CN113951881A - 一种远程护理监测系统 - Google Patents

一种远程护理监测系统 Download PDF

Info

Publication number
CN113951881A
CN113951881A CN202110966004.5A CN202110966004A CN113951881A CN 113951881 A CN113951881 A CN 113951881A CN 202110966004 A CN202110966004 A CN 202110966004A CN 113951881 A CN113951881 A CN 113951881A
Authority
CN
China
Prior art keywords
particle
particles
data
avg
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110966004.5A
Other languages
English (en)
Other versions
CN113951881B (zh
Inventor
许汇娟
刘颖
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Southern Hospital Southern Medical University
Original Assignee
Southern Hospital Southern Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Southern Hospital Southern Medical University filed Critical Southern Hospital Southern Medical University
Priority to CN202110966004.5A priority Critical patent/CN113951881B/zh
Publication of CN113951881A publication Critical patent/CN113951881A/zh
Application granted granted Critical
Publication of CN113951881B publication Critical patent/CN113951881B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H80/00—ICT specially adapted for facilitating communication between medical practitioners or patients, e.g. for collaborative diagnosis, therapy or health monitoring
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D30/00—Reducing energy consumption in communication networks
    • Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • Public Health (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biophysics (AREA)
  • Molecular Biology (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Optics & Photonics (AREA)
  • Cardiology (AREA)
  • Physiology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Pulmonology (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明提出的一种远程护理监测系统，包括：传感器端、显示端、Zigbee网络、身份识别端以及服务器，其中传感器端包括网络摄像头、血压计、血氧计、体重计；显示端包括显示器、用户端界面、移动终端；Zigbee网络包括zigbee客户端、ZigBee主机；身份识别端包括RFID识别装置。采用生理医疗设备对易患慢性病的人群进行定期检查，以便尽早诊断慢性病，并利用多通信网络集成技术来保证数据的私密性。

Description

一种远程护理监测系统
技术领域
本发明涉及护理领域，更具体地说，涉及一种远程护理监测系统。
背景技术
世界卫生组织指出，全球慢性病死亡率持续上升。慢性病是一种不能完全治愈的疾病，一旦诊断出慢性病，就需要很长一段时间的治疗。如果病情严重，治疗费用可能相当昂贵。而慢性病如果能被早期诊断出来，病人的病情可能会因为早期发现而得到控制。为了降低护理成本，提高护理效率，医疗服务往往从医院转移到病人家中，但他们仍然与医疗机构保持联系继续接受治疗，以便了解患者的病情，使医院能够诊断疾病，患者能够跟踪病情。但如何尽早和及时的诊断慢性病，是目前远程护理面临的巨大挑战。
另外，远程医疗的关键是患者隐私、数据安全和多通信网络集成技术的使用。虽然远程医疗用户不受空间限制，但过度的便利性降低了数据的安全性和隐私性。大多数远程医疗系统使用无线传感器网络、互联网和移动通信网络。不同的通信网络具有不同的功能，例如，数据采集、数据传输和消息警报。如何在多通信网络下来保证数据的私密性，是远程护理亟待解决的问题。
发明内容
为解决上述技术问题，本发明提供的一种远程护理监测系统，采用生理医疗设备对易患慢性病的人群进行定期检查，以便尽早诊断慢性病，并利用多通信网络集成和加密技术来保证数据的私密性。
本发明提出的一种远程护理监测系统，包括：传感器端、显示端、Zigbee网络、身份识别端以及服务器，
其中传感器端包括网络摄像头、血压计、血氧计、体重计；显示端包括显示器、用户端界面、移动终端；Zigbee网络包括zigbee客户端、ZigBee主机；身份识别端包括RFID识别装置；
其中，网络摄像头通过网络将图像信号传递给路由器，路由器与服务器之间相互通信；血压计、血氧计、体重计、RFID识别装置通过Zigbee网络依次传递给zigbee客户端、ZigBee主机与服务器相互通信；服务器与数据库连接，通过显示器显示用户端界面，并通过无线网络发送消息至移动终端。
氧饱和度是远程护理监测不可缺少的生理指标，根据血氧数据评估患者动脉中的氧含量是否充足。红血球中的血红蛋白与氧结合，体内血红蛋白在正常条件下能与氧完全结合，计算体内含氧血红蛋白占体内总血红蛋白的百分比，即血液中的氧浓度即血氧浓度SaO2如公式(1)表示：
Figure BDA0003223932760000021
式中，HbO2是血液中含氧血红蛋白的含量，Hb是血液中还原血红蛋白的含量。
氧分子的数量随着呼吸氧循环的增加和减少而变化，因此，血氧浓度也随之变化。动脉血氧饱和度由动脉血氧仪测定，可方便即时测定血氧浓度。无创动脉血氧仪通过氧合血红蛋白HbO2和还原血红蛋白Hb对特定的红光和红外线具有不同的吸收系数。血氧浓度如公式(2)表示：
I＝Ioe-εCD (2)
式中，D是透射光的强度；Io是入射光的强度；ε是材料对光的吸收系数；C是吸光材料的浓度；D是光程长度。
为通过采集的生理参数确定高危人群，采用粒子群优化算法，提高搜索高危人群、搜索数据以及定义和求和生理数据权重时的效率和准确性，如果前10％的高权重用户是必须立即治疗的高危人群，该系统会立即通知医务人员，提高医疗服务质量和医疗资源的利用率。粒子群优化一个粒子记忆一个区域内自己搜索的最优解和粒子群中的最优解，并根据这个记忆校正下一次搜索的速度和方向。粒子群算法中的粒子在N维空间中搜索。粒子用k表示，其飞行速度用矢量表示。如果粒子群在N维空间中搜索，则粒子群从粒子的最优搜索位置推断出全局最优位置。k粒子在空间中的位置用xk(xk1，xk2，...，xkn)，速度用vk(vk1，vk2，...，vkn)。粒子位置和速度的变化用公式(3)和(4)表示：
Figure BDA0003223932760000022
Figure BDA0003223932760000023
其中vk (i+1)是飞行速度；ω是惯性重量；c1和c2是学习因子；rand是一个介于0和1之间的随机值，同时保留了粒子群的多样性；xk (i+1)是当前的位置；pbk是粒子k搜索到的当前最优位置，即局部最优解；pgk是粒子群搜索到的当前最优位置，即全局最优解。
为了提高粒子群算法的收敛速度和收敛速度，结合早熟收敛程度和适应度值进行调整，不同于按迭代次数改变惯性权重调整的策略。自适应调整策略根据群体的早熟收敛程度及其理想适应程度来确定惯性权重的方差。如果粒子i的适应度值为fi，则最优粒子的适应度值为fm；粒子群的平均适应度值为：
Figure BDA0003223932760000031
对优于favg的适应值进行平均，得到f’avg，则：
Δ＝|fm-f′avg| (6)
根据fi、f’avg和favg的不同自适应操作，将初始种群分为三个亚组。惯性权重为：
(1)如果fi大于f’avg，则：
Figure BDA0003223932760000032
(2)如果fi大于favg小于f’avg，则惯性权重不改变；
(3)如果fi小于favg，则：
Figure BDA0003223932760000033
第一类粒子由接近全局最优解的优秀粒子组成。由于这些粒子具有较低的惯性权重，增强了局部搜索能力。第二类粒子由具有良好全局和局部搜索能力的一般粒子组成，不需要改变惯性权重。第三组粒子由劣粒子组成，以控制参数的自适应调整为参考进行调整。
其中，k1是控制参数，控制w的上限(常数通常＞1)；并且k2也是控制参数，控制公式(8)的调节功率。当算法停止时，当粒子分布分散时，Δ分布较大，w由公式(8)减小，局部搜索能力增强以收敛该组。如果粒子分布集中，则Δ更小，w通过公式(8)增加，并且粒子具有增强的全局搜索能力，这是有效地跳出局部极值所需要的。各种粒子的惯性权重随着迭代次数的增加而逐渐减小，并且还随着到全局最优点的距离的增加而逐渐增加，即，权重w随着粒子位置而动态变化，如公式(9)所示：
Figure BDA0003223932760000041
其中lig是粒子i和最佳粒子之间的距离；lmax和lmin分别是最大距离和最小距离的预设参数。根据公式(3)，当lig＞lmax时，w＝wstart；当lig＞lmin时，w＝wend；当lmin＜lig＜lmax时，w随lig单调增加。此时，算法的收敛速度和迭代次数都得到了提高，多峰函数显著改善。
粒子群算法搜索过程是非线性复杂过程。用于线性地减小w的方法不能正确地反映实际的搜索过程。使用模糊推理机制来动态地调整惯性权重，预测适当的w，动态地平衡全局和局部搜索能力，并且增加平均适应度值。如公式(10)所示：
Figure BDA0003223932760000042
利用该方法，随机生成[0.5，1]内的w值，在该方法下的粒子群算法遵循非静态目标函数。粒子群优化算法用于提高搜索高危人群、搜索数据以及定义和求和生理数据权重时的效率和准确性，如果前10％的高权重用户是必须立即治疗的高危人群，该系统会立即通知医务人员，提高医疗服务质量和医疗资源的利用率。
进一步的，服务器采用星型拓扑结构进行数据采集与传输，星型拓扑结构以服务器为中心点，与路由器和终端设备相连，形成星型拓扑结构，直接与所有连接的设备和终端设备进行协调和通信，便于网络管理。
为了确保在该系统中多个用户可以共享数据，在用户和服务器之间添加代理以执行加密算法并实现星型拓扑结构。所述加密算法为代理重新加密；代理的任务是与用户协商和分配秘密密钥、加密数据和帮助用户解密。在代理重新加密阶段，n个用户与代理一起协商密钥。用户依次进行n-1轮密钥交换，代理与用户n进行密钥协商，得到最后一轮中每个用户的最终密钥。
从用户与代理双方之间的密钥交换协议，用户的私钥和用于解密的重要参数K都与upa相关。确保K和upa的安全性是加密阶段的主要任务。此外，获得参数upa后，通过双线性映射来计算K。N方密钥交换可以抵抗多方共谋并保护用户隐私。为了更方便、更快速地计算关键参数，如公式(11)所示：
pj+pnj＝pj(n-2)upn (11)
其中j＝1,2,…,n-1，pj,pnj,pj(n-2)是辅助参数。
假设
Figure BDA0003223932760000051
累加j得到公式(12)：
Figure BDA0003223932760000052
为了简化公式(12)，
pj＝pj(n-2)，j＝1，2，...，n-1 (13)
对于n＝n-1，继续运行N方密钥交换直到n＝3。在n＝3之前获得公式(14)：
Figure BDA0003223932760000053
然后将n＝3带入，得到的N方密钥交换的公式(15)：
Figure BDA0003223932760000054
该协议适用于n-1个用户，并且代理产生它们的密钥并共享它们的秘密数据。运行N方密钥交换协议，并且可以获得它们的密钥来加密数据。医疗数据库系统为分布式系统，以便家庭成员可以将他们的数据传送给医生或专家；医疗数据库系统具有大量的用户和终端，通过N方密钥交换协议实现数据传递过程的加密和安全。
进一步的，RFID装置由读卡器、标签和软件接口组成，标签中的数据以无线方式传输到读取器，读取器在集成接收到的信息之前识别从标签中提取的数据。
本发明提出的一种远程护理监测系统，基于无线传感器网络系统和射频识别RFID技术实现远程医疗，建立系统数据库，采用改进的粒子群优化算法构建个人生理信号传感系统，对采集到的个人生理信号进行分析，利用RFID技术建立管理员身份和数据库，综合生理仪器测量/监测血压、心率、血氧含量等生理参数，通过自我健康检查随时发现生理变化，促进早期诊断和治疗，用无线传感器网络技术将生理数据传输到云端进行分析、处理和存储，通过电子邮件和短消息通过互联网通知客户端和适当的医务人员，以便他们及时提供诊断和部署治疗。
附图说明
图1是本发明的远程护理监测系统的示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
本发明提出的一种远程护理监测系统，包括：传感器端、显示端、Zigbee网络、身份识别端以及服务器，
其中传感器端包括网络摄像头1、血压计2、血氧计3、体重计4；显示端包括显示器、用户端界面、移动终端；Zigbee网络包括zigbee客户端6、ZigBee主机7；身份识别端包括RFID识别装置5；
其中，网络摄像头1通过网络将图像信号传递给路由器9，路由器与服务器8之间相互通信；血压计1、血氧计2、体重计3、RFID4识别装置通过Zigbee网络依次传递给zigbee客户端6、ZigBee主机与服务器8相互通信；服务器8与数据库连接，通过显示器10显示用户端界面，并通过无线网络发送消息至移动终端。
氧饱和度是远程护理监测不可缺少的生理指标，根据血氧数据评估患者动脉中的氧含量是否充足。红血球中的血红蛋白与氧结合，体内血红蛋白在正常条件下能与氧完全结合，计算体内含氧血红蛋白占体内总血红蛋白的百分比，即血液中的氧浓度即血氧浓度SaO2如公式(1)表示：
Figure BDA0003223932760000061
式中，HbO2是血液中含氧血红蛋白的含量，Hb是血液中还原血红蛋白的含量。
氧分子的数量随着呼吸氧循环的增加和减少而变化，因此，血氧浓度也随之变化。动脉血氧饱和度由动脉血氧仪测定，可方便即时测定血氧浓度。无创动脉血氧仪通过氧合血红蛋白HbO2和还原血红蛋白Hb对特定的红光和红外线具有不同的吸收系数。血氧浓度如公式(2)表示：
I＝Ioe-εCD (2)
式中，D是透射光的强度；Io是入射光的强度；ε是材料对光的吸收系数；C是吸光材料的浓度；D是光程长度。
为通过采集的生理参数确定高危人群，采用粒子群优化算法，提高搜索高危人群、搜索数据以及定义和求和生理数据权重时的效率和准确性，如果前10％的高权重用户是必须立即治疗的高危人群，该系统会立即通知医务人员，提高医疗服务质量和医疗资源的利用率。粒子群优化一个粒子记忆一个区域内自己搜索的最优解和粒子群中的最优解，并根据这个记忆校正下一次搜索的速度和方向。粒子群算法中的粒子在N维空间中搜索。粒子用k表示，其飞行速度用矢量表示。如果粒子群在N维空间中搜索，则粒子群从粒子的最优搜索位置推断出全局最优位置。k粒子在空间中的位置用xk(xk1，xk2，...，xkn)，速度用vk(vk1，vk2，...，vkn)。粒子位置和速度的变化用公式(3)和(4)表示：
Figure BDA0003223932760000071
Figure BDA0003223932760000072
其中vk (i+1)是飞行速度；ω是惯性重量；c1和c2是学习因子；rand是一个介于0和1之间的随机值，同时保留了粒子群的多样性；xk (i+1)是当前的位置；pbk是粒子k搜索到的当前最优位置，即局部最优解；pgk是粒子群搜索到的当前最优位置，即全局最优解。
为了提高粒子群算法的收敛速度和收敛速度，结合早熟收敛程度和适应度值进行调整，不同于按迭代次数改变惯性权重调整的策略。自适应调整策略根据群体的早熟收敛程度及其理想适应程度来确定惯性权重的方差。如果粒子i的适应度值为fi，则最优粒子的适应度值为fm；粒子群的平均适应度值为：
Figure BDA0003223932760000073
对优于favg的适应值进行平均，得到f’avg，则：
Δ＝|fm-f′avg| (6)
根据fi、f’avg和favg的不同自适应操作，将初始种群分为三个亚组。惯性权重为：
(1)如果fi大于f’avg，则：
Figure BDA0003223932760000081
(2)如果fi大于favg小于f’avg，则惯性权重不改变；
(3)如果fi小于favg，则：
Figure BDA0003223932760000082
第一类粒子由接近全局最优解的优秀粒子组成。由于这些粒子具有较低的惯性权重，增强了局部搜索能力。第二类粒子由具有良好全局和局部搜索能力的一般粒子组成，不需要改变惯性权重。第三组粒子由劣粒子组成，以控制参数的自适应调整为参考进行调整。
其中，k1是控制参数，控制w的上限(常数通常＞1)；并且k2也是控制参数，控制公式(8)的调节功率。当算法停止时，当粒子分布分散时，Δ分布较大，w由公式(8)减小，局部搜索能力增强以收敛该组。如果粒子分布集中，则Δ更小，w通过公式(8)增加，并且粒子具有增强的全局搜索能力，这是有效地跳出局部极值所需要的。各种粒子的惯性权重随着迭代次数的增加而逐渐减小，并且还随着到全局最优点的距离的增加而逐渐增加，即，权重w随着粒子位置而动态变化，如公式(9)所示：
Figure BDA0003223932760000083
其中lig是粒子i和最佳粒子之间的距离；lmax和lmin分别是最大距离和最小距离的预设参数。根据公式(3)，当lig＞lmax时，w＝wstart；当lig＞lmin时，w＝wend；当lmin＜lig＜lmax时，w随lig单调增加。此时，算法的收敛速度和迭代次数都得到了提高，多峰函数显著改善。
粒子群算法搜索过程是非线性复杂过程。用于线性地减小w的方法不能正确地反映实际的搜索过程。使用模糊推理机制来动态地调整惯性权重，预测适当的w，动态地平衡全局和局部搜索能力，并且增加平均适应度值。如公式(10)所示：
Figure BDA0003223932760000091
利用该方法，随机生成[0.5，1]内的w值，在该方法下的粒子群算法遵循非静态目标函数。粒子群优化算法用于提高搜索高危人群、搜索数据以及定义和求和生理数据权重时的效率和准确性，如果前10％的高权重用户是必须立即治疗的高危人群，该系统会立即通知医务人员，提高医疗服务质量和医疗资源的利用率。
进一步的，服务器采用星型拓扑结构进行数据采集与传输，星型拓扑结构以服务器为中心点，与路由器和终端设备相连，形成星型拓扑结构，直接与所有连接的设备和终端设备进行协调和通信，便于网络管理。
为了确保在该系统中多个用户可以共享数据，在用户和服务器之间添加代理以执行加密算法并实现星型拓扑结构。所述加密算法为代理重新加密；代理的任务是与用户协商和分配秘密密钥、加密数据和帮助用户解密。在代理重新加密阶段，n个用户与代理一起协商密钥。用户依次进行n-1轮密钥交换，代理与用户n进行密钥协商，得到最后一轮中每个用户的最终密钥。
从用户与代理双方之间的密钥交换协议，用户的私钥和用于解密的重要参数K都与upa相关。确保K和upa的安全性是加密阶段的主要任务。此外，获得参数upa后，通过双线性映射来计算K。N方密钥交换可以抵抗多方共谋并保护用户隐私。为了更方便、更快速地计算关键参数，如公式(11)所示：
pj+pnj＝pj(n-2)upn(11)
其中j＝1,2,…,n-1，pj,pnj,pj(n-2)是辅助参数。
假设
Figure BDA0003223932760000092
累加j得到公式(12)：
Figure BDA0003223932760000093
为了简化公式(12)，
pj＝pj(n-2)，j＝1，2，...，n-1 (13)
对于n＝n-1，继续运行N方密钥交换直到n＝3。在n＝3之前获得公式(14)：
Figure BDA0003223932760000101
然后将n＝3带入，得到的N方密钥交换的公式(15)：
Figure BDA0003223932760000102
该协议适用于n-1个用户，并且代理产生它们的密钥并共享它们的秘密数据。运行N方密钥交换协议，并且可以获得它们的密钥来加密数据。医疗数据库系统为分布式系统，以便家庭成员可以将他们的数据传送给医生或专家；医疗数据库系统具有大量的用户和终端，通过N方密钥交换协议实现数据传递过程的加密和安全。
进一步的，RFID装置由读卡器、标签和软件接口组成，标签中的数据以无线方式传输到读取器，读取器在集成接收到的信息之前识别从标签中提取的数据。
本发明提出的一种远程护理监测系统，基于无线传感器网络系统和射频识别RFID技术实现远程医疗，建立系统数据库，采用改进的粒子群优化算法构建个人生理信号传感系统，对采集到的个人生理信号进行分析，利用RFID技术建立管理员身份和数据库，综合生理仪器测量/监测血压、心率、血氧含量等生理参数，通过自我健康检查随时发现生理变化，促进早期诊断和治疗，用无线传感器网络技术将生理数据传输到云端进行分析、处理和存储，通过电子邮件和短消息通过互联网通知客户端和适当的医务人员，以便他们及时提供诊断和部署治疗。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (3)

1.一种远程护理监测系统，其特征在于，包括：传感器端、显示端、Zigbee网络、身份识别端以及服务器，
其中传感器端包括网络摄像头、血压计、血氧计、体重计；显示端包括显示器、用户端界面、移动终端；Zigbee网络包括zigbee客户端、ZigBee主机；身份识别端包括RFID识别装置；
其中，网络摄像头通过网络将图像信号传递给路由器，路由器与服务器之间相互通信；血压计、血氧计、体重计、RFID识别装置通过Zigbee网络依次传递给zigbee客户端、ZigBee主机与服务器相互通信；服务器与数据库连接，通过显示器显示用户端界面，并通过无线网络发送消息至移动终端；
其中，根据血氧数据评估患者动脉中的氧含量是否充足，计算体内含氧血红蛋白占体内总血红蛋白的百分比，即血液中的氧浓度即血氧浓度SaO2如公式(1)表示：
Figure FDA0003223932750000011
式中，HbO2是血液中含氧血红蛋白的含量，Hb是血液中还原血红蛋白的含量；
动脉血氧饱和度由动脉血氧仪测定，通过氧合血红蛋白HbO2和还原血红蛋白Hb对特定的红光和红外线具有不同的吸收系数，血氧浓度如公式(2)表示：
I＝I0e-εCD (2)
式中，D是透射光的强度；Io是入射光的强度；ε是材料对光的吸收系数；C是吸光材料的浓度；D是光程长度；
为通过采集的生理参数确定高危人群，采用粒子群优化算法，如果前10％的高权重用户是必须立即治疗的高危人群，该系统会立即通知医务人员；粒子群算法中的粒子在N维空间中搜索；粒子用k表示，其飞行速度用矢量表示；如果粒子群在N维空间中搜索，则粒子群从粒子的最优搜索位置推断出全局最优位置；k粒子在空间中的位置用xk(xk1，xk2，...，xkn)，速度用vk(vk1，vk2，...，vkn)；粒子位置和速度的变化用公式(3)和(4)表示：
Figure FDA0003223932750000012
Figure FDA0003223932750000021
其中vk (i+1)是飞行速度；ω是惯性重量；c1和c2是学习因子；rand是一个介于0和1之间的随机值，同时保留了粒子群的多样性；xk (i+1)是当前的位置；pbk是粒子k搜索到的当前最优位置，即局部最优解；pgk是粒子群搜索到的当前最优位置，即全局最优解；
为了提高粒子群算法的收敛速度和收敛速度，结合早熟收敛程度和适应度值进行调整，不同于按迭代次数改变惯性权重调整的策略；自适应调整策略根据群体的早熟收敛程度及其理想适应程度来确定惯性权重的方差；如果粒子i的适应度值为fi，则最优粒子的适应度值为fm；粒子群的平均适应度值为：
Figure FDA0003223932750000022
对优于favg的适应值进行平均，得到f’avg，则：
Δ＝|fm-f′avg| (6)
根据fi、f’avg和favg的不同自适应操作，将初始种群分为三个亚组；惯性权重为：
(1)如果fi大于f’avg，则：
Figure FDA0003223932750000023
(2)如果fi大于favg小于f’avg，则惯性权重不改变；
(3)如果fi小于favg，则：
Figure FDA0003223932750000024
第一类粒子由接近全局最优解的优秀粒子组成；由于这些粒子具有较低的惯性权重，增强了局部搜索能力；第二类粒子由具有良好全局和局部搜索能力的一般粒子组成，不需要改变惯性权重；第三组粒子由劣粒子组成，以控制参数的自适应调整为参考进行调整；
其中，k1是控制参数，控制w的上限(常数通常＞1)；并且k2也是控制参数，控制公式(8)的调节功率；当算法停止时，当粒子分布分散时，Δ分布较大，w由公式(8)减小，局部搜索能力增强以收敛该组；如果粒子分布集中，则Δ更小，w通过公式(8)增加，并且粒子具有增强的全局搜索能力，这是有效地跳出局部极值所需要的；各种粒子的惯性权重随着迭代次数的增加而逐渐减小，并且还随着到全局最优点的距离的增加而逐渐增加，即，权重w随着粒子位置而动态变化，如公式(9)所示：
Figure FDA0003223932750000031
其中lig是粒子i和最佳粒子之间的距离；lmax和lmin分别是最大距离和最小距离的预设参数；根据公式(3)，当lig＞lmax时，w＝wstart；当lig＞lmin时，w＝wend；当lmin＜lig＜lmax时，w随lig单调增加；此时，算法的收敛速度和迭代次数都得到了提高，多峰函数显著改善；
粒子群算法搜索过程是非线性复杂过程；用于线性地减小w的方法不能正确地反映实际的搜索过程；使用模糊推理机制来动态地调整惯性权重，预测适当的w，动态地平衡全局和局部搜索能力，并且增加平均适应度值；如公式(10)所示：
Figure FDA0003223932750000032
利用该方法，随机生成[0.5，1]内的w值，在该方法下的粒子群算法遵循非静态目标函数。
2.根据权利要求1-2所述的一种远程护理监测系统，其特征在于，服务器采用星型拓扑结构进行数据采集与传输，星型拓扑结构以服务器为中心点，与路由器和终端设备相连，形成星型拓扑结构，直接与所有连接的设备和终端设备进行协调和通信，便于网络管理；
为了确保在该系统中多个用户可以共享数据，在用户和服务器之间添加代理以执行加密算法并实现星型拓扑结构；所述加密算法为代理重新加密；代理的任务是与用户协商和分配秘密密钥、加密数据和帮助用户解密；在代理重新加密阶段，n个用户与代理一起协商密钥；用户依次进行n-1轮密钥交换，代理与用户n进行密钥协商，得到最后一轮中每个用户的最终密钥；
从用户与代理双方之间的密钥交换协议，用户的私钥和用于解密的重要参数K都与upa相关；确保K和upa的安全性是加密阶段的主要任务；此外，获得参数upa后，通过双线性映射来计算K；N方密钥交换可以抵抗多方共谋并保护用户隐私；为了更方便、更快速地计算关键参数，如公式(11)所示：
pj+pnj＝pj(n-2)upn (11)
其中j＝1,2,…,n-1，pj,pnj,pj(n-2)是辅助参数；
假设
Figure FDA0003223932750000041
累加j得到公式(12)：
Figure FDA0003223932750000042
为了简化公式(12)，
pj＝pj(n-2)，j＝1，2，...，n-1 (13)
对于n＝n-1，继续运行N方密钥交换直到n＝3；在n＝3之前获得公式(14)：
Figure FDA0003223932750000043
然后将n＝3带入，得到的N方密钥交换的公式(15)：
Figure FDA0003223932750000044
该协议适用于n-1个用户，并且代理产生它们的密钥并共享它们的秘密数据；运行N方密钥交换协议，并且可以获得它们的密钥来加密数据；医疗数据库系统为分布式系统，以便家庭成员可以将他们的数据传送给医生或专家；医疗数据库系统具有大量的用户和终端，通过N方密钥交换协议实现数据传递过程的加密和安全。
3.根据权利要求1-2任一项所述的一种远程护理监测系统，其特征在于，RFID装置由读卡器、标签和软件接口组成，标签中的数据以无线方式传输到读取器，读取器在集成接收到的信息之前识别从标签中提取的数据。
CN202110966004.5A 2021-08-23 2021-08-23 一种远程护理监测系统 Active CN113951881B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110966004.5A CN113951881B (zh) 2021-08-23 2021-08-23 一种远程护理监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110966004.5A CN113951881B (zh) 2021-08-23 2021-08-23 一种远程护理监测系统

Publications (2)

Publication Number Publication Date
CN113951881A true CN113951881A (zh) 2022-01-21
CN113951881B CN113951881B (zh) 2023-06-16

Family

ID=79460790

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110966004.5A Active CN113951881B (zh) 2021-08-23 2021-08-23 一种远程护理监测系统

Country Status (1)

Country Link
CN (1) CN113951881B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101791214A (zh) * 2010-01-19 2010-08-04 天津工程师范学院 面向社区医疗的便携式监护系统
CN101822535A (zh) * 2010-03-11 2010-09-08 无锡凌讯科技有限公司 Rfid远程无线家庭医疗监护仪
CN201798732U (zh) * 2010-03-11 2011-04-20 无锡凌讯科技有限公司 Rfid远程无线家庭医疗监护仪
CN106372404A (zh) * 2016-08-30 2017-02-01 孟玲 一种智能医疗监控系统
WO2018072351A1 (zh) * 2016-10-20 2018-04-26 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法
AU2020101065A4 (en) * 2020-06-19 2020-07-23 Hubei University Of Technology Method for scheduling UAVs based on chaotic adaptive firefly algorithm

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101791214A (zh) * 2010-01-19 2010-08-04 天津工程师范学院 面向社区医疗的便携式监护系统
CN101822535A (zh) * 2010-03-11 2010-09-08 无锡凌讯科技有限公司 Rfid远程无线家庭医疗监护仪
CN201798732U (zh) * 2010-03-11 2011-04-20 无锡凌讯科技有限公司 Rfid远程无线家庭医疗监护仪
CN106372404A (zh) * 2016-08-30 2017-02-01 孟玲 一种智能医疗监控系统
WO2018072351A1 (zh) * 2016-10-20 2018-04-26 北京工业大学 一种基于粒子群优化算法对支持向量机的优化方法
AU2020101065A4 (en) * 2020-06-19 2020-07-23 Hubei University Of Technology Method for scheduling UAVs based on chaotic adaptive firefly algorithm

Also Published As

Publication number Publication date
CN113951881B (zh) 2023-06-16

Similar Documents

Publication Publication Date Title
Alshehri et al. A comprehensive survey of the Internet of Things (IoT) and AI-based smart healthcare
Siam et al. Secure health monitoring communication systems based on IoT and cloud computing for medical emergency applications
Gia et al. Energy efficient fog-assisted IoT system for monitoring diabetic patients with cardiovascular disease
Kraemer et al. Fog computing in healthcare–a review and discussion
Krishnamoorthy et al. Role of emerging technologies in future IoT-driven Healthcare 4.0 technologies: A survey, current challenges and future directions
Latré et al. A survey on wireless body area networks
Xiao et al. Wireless telemedicine and m-health: technologies, applications and research issues
Vallejos de Schatz et al. Wireless medical sensor networks: Design requirements and enabling technologies
Joshi et al. Health monitoring using wearable sensor and cloud computing
Lavanya et al. Smart chair-a telemedicine based health monitoring system
Guizani et al. IoT healthcare monitoring systems overview for elderly population
Srilakshmi et al. IoT based smart health care system to prevent security attacks in SDN
Billones et al. Fuzzy inference system wireless body area network architecture simulation for health monitoring
Sivasangari et al. Secure encryption in wireless body sensor networks
Anzanpour et al. Edge-assisted control for healthcare internet of things: A case study on ppg-based early warning score
Bao et al. Wi-breath: A WiFi-based contactless and real-time respiration monitoring scheme for remote healthcare
Ivanov et al. Openice-lite: Towards a connectivity platform for the internet of medical things
Aileni et al. Health monitoring using wearable technologies and cognitive radio for IoT
Tian et al. Using data monitoring algorithms to physiological indicators in motion based on Internet of Things in smart city
CN113951881B (zh) 一种远程护理监测系统
Alam et al. Blockchain for 5G-Enabled IoHT—A Framework for Secure Healthcare Automation
Basak et al. Smart healthcare surveillance system using IoT and machine learning approaches for heart disease
US11633539B1 (en) Infusion and monitoring system
Ezhilarasi et al. Integrated Healthcare Monitoring System using Wireless Body Area Networks and Internet of Things
Mohanty et al. A Survey on Emerging Technologies in Wireless Body Area Network

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant