集成家庭健康监测

医疗保健部门面临三大挑战：人口老龄化，慢性病病例急剧增加，医疗保健成本爆炸式增长。预计未来20年，老年人口将呈指数级增长。到2030年，65/40的欧洲人将超过<>岁，其中<>%将需要援助。如果得不到足够的照顾，老年人就有失去独立性的风险。因此，老年人非常渴望独立的生活方式。但老年人的独立生活方式往往伴随着高风险。已经开发了许多使用各种传感器实施的智能家居技术，以跟踪和监控老年人在家中的活动并帮助他们独立生活。配备传感器网络的建筑物和城市环境为老年人和病人提供了更长时间保持独立性的机会。

环境辅助生活（AAL）在这方面提供了一系列好处。这些好处包括将患者、医生和医疗设备联系起来，这大大提高了治疗和护理的效率。该链接可以自动记录和评估患者的活动和健康数据，无论他们身在何处。因此，只有在患者的健康状况实际恶化时，才需要召集医务人员。这里的目标是降低医疗保健部门的成本并改善患者护理 - 即使患者不再在医院接受持续监测，而是在家中进行日常生活中的监测。

人类行为分析和活动识别是当今AAL系统不可或缺的一部分。可靠和准确的监控，以及在需要时的实时驱动，是这些系统的要求。烹饪、睡觉和清洁等日常活动是老年人或病人身体能力的良好指标。因此，自动识别这些活动的系统允许自动健康监测，并为医务人员提供客观的衡量标准。这样的系统应该能够检测到任何异常情况，例如突然跌落，并提供立即驱动。因此，活动监测系统是未来健康应用的关键步骤。

在本文中，我们介绍了一个集成的家庭健康监测系统，该系统包括基于视觉的活动监测系统和生命体征监测系统。该系统的目的是能够监测个人的活动，同时能够在执行该活动时监测他/她的生命体征。可穿戴医疗技术和嵌入式视觉技术的集成（绑定）在一起是实现真正的家庭健康监测系统的关键。

基于视觉的传感

到目前为止，活动监控市场主要由视频监控技术主导。然而，随着这种活动监控在家庭环境中的转变，视频分析由于其基本缺点而未能成为正确的解决方案，例如侵犯被监控者的隐私以及需要传输的数据负载量，因为它是视频。嵌入式视觉传感技术的出现有助于克服这两个问题。嵌入式视觉传感平台在边缘节点执行实时处理，系统的输出仅对遥测/处理数据有用，从而克服了隐私问题，因为传输的数据不是视频或图像（侵犯隐私），而只是烹饪、清洁或睡眠等活动数据。由于仅传输遥测数据，因此降低的数据速率可节省 90% 以上的带宽要求，从而节省传输视频所需的成本。

活动监控嵌入式视觉系统包括检测人员，跟踪人员的移动，以及识别其姿势和感兴趣的活动。嵌入式传感平台的典型架构通常包括以下内容：

光学系统（CMOS传感器加镜头）：用于捕获图像。正确的光学配置需要根据视场、系统配置和房间几何形状来定义。有时，CMOS传感器可能会进行一些图像预处理，从而减少嵌入式处理器的处理负载，如果占空比正确，这反过来又可以降低系统的功耗。

处理系统：处理器是该系统的核心，现在预计它将进行更多的控制、传感和接口，同时消耗很少的功率和面积。嵌入式系统平台中的处理器，对光学系统捕获的图像运行图像处理算法。完成处理后，系统的输出只是遥测数据。在家庭健康方案中，输出可能是关于人员的活动，例如他/她是否在睡觉、清洁或跌倒。

连接性：在嵌入式、基于视觉的系统中，这可以是有线或无线的。但是，它可能是家庭环境中的无线连接。由于输出只是遥测数据，而不是原始视频数据，因此要传输的有效负载大大减少。然后将其传输到云平台，并以应用程序的形式为您的护士或监护人实时提供。

云/数据分析：这构成了系统的后端。云基础架构不仅以应用程序的形式提供对数据的实时访问，还可以运行后台数据分析算法，以识别家庭活动上下文中的趋势。

图1.家庭使用的集成健康监测系统。该系统监控人员的活动和重要参数。

系统设计考虑因素和主要挑战

可靠性：活动监控系统以最可靠、安全和准确的方式提供活动信息非常重要。此外，在紧急情况下，系统必须能够准确检测紧急环境并发出警报，重点是减少误报的产生，以防止意外联系人员或紧急调度。

延迟：对活动监控系统生成的警报进行即时响应/启动/报警是一项功能，用于定义安全系统的确切潜力。监控活动的基本功能（无论是睡觉、走路、清洁还是紧急情况）都应以即时方式报告，以便在发生和报告之间实现最小的时间延迟。

防篡改： 最后，活动监控系统需要尽可能防篡改。篡改可能发生在系统的任何阶段，无论是终端节点、无线/有线连接，还是在周期的数据控制和分析结束时。破坏楼宇自动化系统/网络是安全系统和家庭监控系统中非常关注的话题。

ADI嵌入式视觉检测平台

ADI公司的BLIP（Blackfin低功耗成像平台）是一款低成本、低功耗、高性能嵌入式视觉检测平台，可运行大量实时检测和图像处理算法。BLIP由ADI公司的Blackfin系列处理器ADSP-BFxxx组成，非常适合嵌入式视觉检测算法。

准确、紧凑、低功耗的生命体征测量

ADI公司首次展示了该解决方案。所呈现的生命体征（VSM）测量包括心率和活动，并通过戴在手腕上的手表显示。

在这款手表中，我们发现了一个模块化架构，包括一个嵌入ADI公司新型Cortex-M3微控制器的主板，这是市场上消耗最少的M3控制器，名为ADuCM302x，以及一个2.4 GHz无线电收发器，允许使用Google Thread协议发送VSM数据。子板上是一个光度学前端ADPD103，周围环绕着三个绿色LED和一个光电二极管，以及市场上功耗最低的3轴加速度计ADXL362。这两个设备彼此同步，以更有效地补偿人的运动。®

ADPD103是一款光度前端，通过反射式光学测量工作，通过其LED驱动器发送8 mA至250 mA电流，照亮组件的外部LED。这些LED照亮皮肤，并通过光电二极管使用反射测量，因此信号由前端采集，然后由14位ADC放大、滤波、积分和转换，然后通过IC接口传输到主机。²

将LED和光电二极管放在外部有多种优点：它允许选择LED的数量，LED的颜色，它们的电流强度，特别是LED与光电二极管的最佳间距，以最大化调制指数（它设置交流-直流比，从而设置反射信号的质量）。它还允许您选择光电二极管的尺寸（当后者更宽时，调制指数会更高），并可能为其添加超低噪声和低功耗电流放大器。

图3.集成健康监测系统框图。

根据执行的测量类型（HRM-心率，脉冲血氧饱和度）和测量在皮肤上的位置，选择LED的颜色。为了测量手腕上的心率，我们选择绿色LED，因为它们的血红蛋白吸收在500 nm至600 nm波长下最高。当您的心脏跳动时，手腕中的血液流动并且绿光的吸收效果更好。在节拍之间，它减少。通过每秒闪烁数百次绿色 LED，ADPD103 可以计算心脏每分钟跳动的次数，即您的心率。建议将绿色LED与光电二极管间隔3 mm，或更方便，以提高调制指数，如图3所示。

图4.调制指数是LED和光电二极管之间间距的函数。

如果我们想测量脉冲血氧饱和度，那么我们选择红色 LED 和红外 LED，我们将用手指练习（我们也受益于这种方法的 HRM），因为它具有很强的毛细管浓度。脉搏血氧仪是医生用来评估和快速控制患者呼吸功能的一种非侵入性方法。通过光电二极管的红光和红外光的比例表示血液中氧合血红蛋白与脱氧血红蛋白的百分比。血液中的氧饱和度也称为SpO2。

因此，血氧测定基于毛细血管中血红蛋白光吸收的测量，特别是每个红细胞的氧合血红蛋白（氧合血红蛋白）和脱氧血红蛋白（脱氧血红蛋白）的速率：

98% SpO2 意味着每个红细胞都含有 98% 的氧合血红蛋白和 2% 的脱氧血红蛋白

ADI公司还为表面受限应用提供模块解决方案（同一封装中的模拟前端、光电二极管和LED），这些应用不需要对光学测量进行大量优化。因此，ADPD142 包括一个红色 LED 和一个红外 LED，允许在手指上进行 SpO2 测量。其后继产品ADPD144采用改进的机械设计，可减少内部光污染（LED和光电二极管之间的直射光）。它在 2，6 个样品测量中提供 24.425% 的平均测量误差，使其符合 FDA 标准。ADPD144的封装尺寸为5 mm×2.8 mm，高度为1.35 mm。

如上所述，为了最大化调制指数，从而最大限度地提高测量信号的质量，LED和光电二极管之间的间距必须最小，这在空间受限的模块中可能不是最佳的。因此，对于运动手表等因运动、汗水和皮肤与手表接触点的位移而受到额外限制的应用，ADI公司建议仅使用光度前端的外部LED和光电二极管的解决方案。

在软件方面，ADI公司提供亮度传感器和加速度计的驱动器，并在CES上推出了自己的运动补偿算法，该算法在Cortex-M3内核ADuCM3027上运行，1 kB ROM和RAM仅为5.13 MIPS。这是一个重大突破，因为在此之前，这种类型的算法需要浮点计算，因此需要Cortex-M7处理器类型，它更耗电，更昂贵。另请注意，皮肤或纹身的颜色会影响测量反射信号的质量。建议不要将溶液放在纹身上;对于深色皮肤的人来说，调制指数略有降低，因此需要优化解决方案的光学设计。

超低功耗平台

现在，让我们尝试确定前面讨论的手表的功耗，假设我们在Cortex-M3 ADuCM3027上执行运动补偿算法和一些特性来确定LED的功耗。

ADPD103在一个或两个时隙上发送LED脉冲序列。例如，这允许从一个LED到另一个LED的不同数量的脉冲。ADPD103的功耗是AFE和LED功耗的总和。

让我们以这些条件为例：

　　满量程 = 100 赫兹;2个插槽;脉冲周期A = 20 μs;脉冲周期 B = 40 μs

　　脉冲数 A = 4;脉冲数 B = 8

　　LED A 中的最大电流 = 25 mA;

　　LED B 中的最大电流 = 100 mA

　　脉冲持续时间A = 3 μs;脉冲持续时间 B = 3 μs

　　因此，LED_A中的有效电流 =

　　（3 × 4/10000） × 25 mA = 30 μA

　　因此，LED_B中的有效电流 =

　　（3 × 8/10000） × 100 mA = 240 μA

　　AFE 的 A 通道中的电流 =

　　FS（（20 + 脉冲计数×脉冲周期） × Vdd峰值 + 0.13） =

　　100（（20 + 4 × 20） × 0.0093 + 0.13） = 106 μA

　　AFE B 通道中的电流 =

　　FS（（20 + 脉冲计数×脉冲周期） × Vdd峰值 + 0.20） =

　　100（（20 + 8 × 20） × 0.0093 + 0.20） = 187 μA

　　ADPD103的总电流（包括两个LED的功耗）为563 μA

如上所述，ADI公司开发的运动补偿算法仅需1.5 MIPS即可工作，我们将其近似为1.5 MHz的运行频率。ADuCM3027的功耗为38 μA/MHz，这意味着微控制器的功耗为57 μA。ADXL362在2 Hz采样频率下使用100 μA电流，因此，在本例中，AFE和LED、Cortex-M3和加速度计系统的功耗为622 μA。这种低功耗可最大限度地延长使用时间，而无需为这款手表中的内置锂聚合物电池充电。在待机模式下，ADPD103的功耗为3.5 μA。其后继器件会将该值降低到1 μA。

应该注意的是，此示例显示的功率计算与精确应用不对应。您可以获得更好或更差的结果，具体取决于目标应用、通过 LED 的电流以及与系统功耗直接相关的采样频率。也就是说，ADI的低功耗解决方案有助于缩短医疗设备的充电周期和功耗，使老年人能够过上更独立的生活方式。

审核编辑：郭婷