可穿戴设备接入“云端”，如何管理海量健康数据

近年来，智能手环、健康监测贴片等可穿戴设备逐渐普及，它们在学术界被称为“体域网”（Body Sensor Networks,简称 BSNs）。传统的体域网主要用于收集个人的生理数据（例如心率和运动量），并通过手机等便携设备进行本地处理。

如论文中图1（BSN 参考架构）所展示，多个佩戴在人体上的传感器节点将数据集中发送给一个协调器（如智能手机）来进行管理。当这种网络应用到整个社区、运动团队或大规模医疗监控中时，会产生海量的环境和生理数据。面对如此庞大的数据流，仅靠本地设备进行数据存储和复杂分析显得力不从心，迫切需要一种具备高扩展性的存储和处理方案。为解决大规模体域网的数据处理难题，研究人员提出将体域网与云计算（Cloud Computing）相结合。

论文中的图2（云计算生态系统）清晰地说明了云计算如何通过基础设施（IaaS）、平台（PaaS）和软件（SaaS）为不同角色的用户提供服务支撑。基于这一理念，研究团队开发了一种名为BodyCloud的软件即服务（SaaS）架构。BodyCloud的核心在于将复杂的系统任务进行了合理的分工，结合论文中的图3（BodyCloud架构），可以看到系统被划分为四个协同工作的部分：

躯体端（Body-side）：负责直接“感知”。通过移动设备（如基于Android-SPINE框架的手机）管理传感器，收集人体的各项生理数据，将其源源不断地发送到云端。

云端（Cloud-side）：充当系统的“大脑”。基于谷歌的云平台（Google App Engine）构建，负责安全地存储海量数据，利用强大的计算能力对数据流进行在线或离线分析。

观察端（Viewer-side）：提供直观的“视窗”。医生或用户只需通过网页浏览器，就能查看经过云端处理后的可视化图表（如生成 HTML 格式的健康报告）。

分析端（Analyst-side）：服务于系统的“建造者”。开发人员和数据分析师可以通过这一端快速定义工作流、配置数据组，从而部署新的体域网应用程序。

为了验证这套架构的实用性，研究人员在 BodyCloud 上开发了一个名为“心电图即服务”（ECGaaS）的实际应用。

参考论文中的图12（ECGaaS 分布式系统），直观地看到这个应用的运行轨迹：无论是普通社区居民还是运动员，他们佩戴的心电传感器会实时采集数据；随后，智能手机将这些数据流上传至云端基础设施；最终，远端的医疗人员或教练可以查阅经过系统分析后的结构化数据。

云端不仅仅是存储数据，还会执行深度的医学信号处理。如图16（心电图信号与相应的R-R信号提取）所示，系统能够从原始、密集的心电图（ECG）波形中，通过自动化的算法提取出代表心跳间隔的R-R信号。这种将原始数据提纯为关键医疗指标，并以“心率图（Tachogram）”形式展示给医生的过程，正是 BodyCloud 处理能力的客观体现。

作者简介：Giancarlo Fortino，意大利卡拉布里亚大学计算机工程教授、博士生导师，IEEE Fellow。主要研究方向包括可穿戴计算系统、电子健康、物联网与基于智能体的计算，聚焦数字健康、智能感知系统、物联网架构与人机系统等问题。

ORCID：0000-0002-4039-891X

DOI：10.1016/j.future.2013.12.015

已收藏 0

点赞 0