區(qū)域心電監(jiān)護物聯(lián)網(wǎng)云計算平臺關(guān)鍵技術(shù)研究

楊 樞，邱昱炎，石 波

1 蚌埠醫(yī)學(xué)院衛(wèi)生管理系，蚌埠市，233030

2 合肥工業(yè)大學(xué)計算機與信息學(xué)院，合肥市，230009

3 蚌埠醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)系，蚌埠市，233030

區(qū)域心電監(jiān)護物聯(lián)網(wǎng)云計算平臺關(guān)鍵技術(shù)研究

【作者】楊 樞1,2，邱昱炎1，石 波3

1 蚌埠醫(yī)學(xué)院衛(wèi)生管理系，蚌埠市，233030

2 合肥工業(yè)大學(xué)計算機與信息學(xué)院，合肥市，230009

3 蚌埠醫(yī)學(xué)院醫(yī)學(xué)影像學(xué)系，蚌埠市，233030

該文探討構(gòu)建一個區(qū)域心電監(jiān)護物聯(lián)網(wǎng)的方法，重點是基于云計算平臺的心電監(jiān)護中心的實現(xiàn)。文章分析了心律失常類型自動識別功能的實現(xiàn)原理，并對云計算平臺的總體架構(gòu)、關(guān)鍵技術(shù)進行了研究，包括服務(wù)器負載均衡技術(shù)、海量小文件可靠存儲與快速檢索功能的實現(xiàn)方式等。

心電監(jiān)護；物聯(lián)網(wǎng)；云計算

0 引言

心電監(jiān)護是預(yù)防心血管意外和及時進行醫(yī)學(xué)干預(yù)的一種有效手段。物聯(lián)網(wǎng)技術(shù)的出現(xiàn)使心血管病患者在醫(yī)院外進行心電監(jiān)護成為可能。已有研究表明，遠程心電監(jiān)護以及個體化醫(yī)療可以使心血管病患者增加求診間隔，縮短住院時間，大幅度降低死亡風險。區(qū)域心電監(jiān)護物聯(lián)網(wǎng)是以某一區(qū)域（如縣、市）為單位，對心血管病患者或高危人群進行網(wǎng)絡(luò)化、遠程化的心電監(jiān)護，從而實現(xiàn)心臟健康管理和預(yù)警分析，協(xié)助用戶進行個性化健康指導(dǎo)，如給與疾病預(yù)警、修正治療方案或進行緊急干預(yù)。本文主要探討區(qū)域心電監(jiān)護物聯(lián)網(wǎng)的構(gòu)建和云計算平臺的實現(xiàn)方法。

1 方法

1.1 區(qū)域心電監(jiān)護物聯(lián)網(wǎng)總體架構(gòu)

區(qū)域心電監(jiān)護物聯(lián)網(wǎng)由感知層（心電監(jiān)護終端）、網(wǎng)絡(luò)層和應(yīng)用層（心電監(jiān)護中心）三部分組成。感知層將被監(jiān)護者的心電信號，經(jīng)網(wǎng)絡(luò)層，傳送到應(yīng)用層。應(yīng)用層對采集的心電信號進行自動分析，并實時反饋分析結(jié)果；當心電信號異常時，將根據(jù)受監(jiān)護者預(yù)置要求采取干預(yù)措施；作為區(qū)域心電監(jiān)護物聯(lián)網(wǎng)的中樞，實現(xiàn)數(shù)據(jù)存儲、檢索及各種管理服務(wù)功能。區(qū)域心電監(jiān)護物聯(lián)網(wǎng)架構(gòu)如圖1所示。

圖1 區(qū)域心電監(jiān)護物聯(lián)網(wǎng)的架構(gòu)Fig.1 System architecture of the regional ECG monitoring internet of things

本研究設(shè)定區(qū)域為一個地級市規(guī)模，最多可管理心電監(jiān)護終端約5萬個。心電監(jiān)護終端采樣頻率為200 Hz、3導(dǎo)聯(lián)、分辨率16位。心電監(jiān)護終端每天定時上傳心電信號6次，被監(jiān)護者也可主動發(fā)送即時心電信號（一般為體感不適時，每天不超過10次），每次采集時長均為2 min。為降低心電監(jiān)護中心負荷、減少數(shù)據(jù)流量，心電監(jiān)護終端對心電信號進行預(yù)處理，包括濾波、降噪、QRS波識別與定位、心搏聚類等，將不同的心搏聚類發(fā)送到心電監(jiān)護中心進行自動分析。以5萬個心電監(jiān)護終端計，每天產(chǎn)生的數(shù)據(jù)量約為20 GB，1年約為7 TB。

1.2 心電信號心律失常類型自動分析方法

區(qū)域心電監(jiān)護物聯(lián)網(wǎng)采用文獻[1]介紹的“基于模糊隸屬度與支持向量機心律失常分類模型”算法實現(xiàn)心電信號類型識別功能。首先通過心電信號預(yù)處理、QRS波的識別與定位、心搏聚類、心電信號特征提取與模糊化等環(huán)節(jié)，獲得每個心搏聚類由[0, 1]范圍26個特征參數(shù)組成的心律失常特征參數(shù)集，再使用支持向量機的多分類方法（通過組合多個兩分類器，構(gòu)造多分類器）判定每類心搏聚類心律失常類型，最終綜合評價心電信號心律失常類型及置信度。

心電信號特征提取與模糊化、基于支持向量機的多分類方法是心電信號類型識別算法的核心，也是云計算平臺的主要功能。心電信號特征提取包括心電信號波形特征點計量和波形相似度計算兩種類型。為節(jié)省計算資源，預(yù)先利用MIT-BIH標準心電數(shù)據(jù)庫作為訓(xùn)練集，獲得n-1個支持向量機分類器（n為分類數(shù)，包括不可識別類），云計算平臺直接使用支持向量機分類器（分類函數(shù)）對每類心搏的特征參數(shù)集進行分類判斷。

1.3 云計算平臺相關(guān)技術(shù)

云計算是一種計算模型，云計算概念被提出后，不斷地有IT廠商推出自己的云計算平臺，如Amazon的AWS、微軟的Azure和IBM的藍云等。本研究主要采用基于開源項目的云計算相關(guān)技術(shù)，如OpenStack、Spark、Cassandra和Linux虛擬服務(wù)器。

OpenStack是一個開源的云計算項目，提供了基礎(chǔ)設(shè)施即服務(wù)(IaaS)的解決方案[2]。Xen、KVM和VMWare是目前使用最廣泛的虛擬化技術(shù)，OpenStack對以上三種虛擬化技術(shù)有很好地支持。

Spark是開源的類Hadoop MapReduce的通用并行框架，與MapReduce的區(qū)別是Job中間輸出結(jié)果可以保存在內(nèi)存中[3]。Spark使用內(nèi)存分布數(shù)據(jù)集，在部分應(yīng)用場合性能表現(xiàn)優(yōu)異。

Cassandra是一個混合型的非關(guān)系數(shù)據(jù)庫，以Dynamo為基礎(chǔ)，功能比Dynamo更全面；同時結(jié)合了Google BigTable基于Column Family數(shù)據(jù)模型、P2P去中心化存儲等技術(shù)。Cassandra與其他數(shù)據(jù)庫比較，具有模式靈活、高可擴展性、多數(shù)據(jù)中心識別等特點[4]。

Linux虛擬服務(wù)器 (Linux Virtual Server，LVS)是國防科大章文嵩博士主持的一個開源項目。它基于集群技術(shù)、負載均衡技術(shù)等，可以將許多低性能的物理設(shè)備組合在一起，構(gòu)成一個高可用的超級服務(wù)器；當部分失效時，集群整體仍能正常工作。

1.4 云計算平臺設(shè)計思路

海量分析任務(wù)高速處理是區(qū)域心電監(jiān)護物聯(lián)網(wǎng)的主要特征，心電信號分析請求高峰時并發(fā)數(shù)可達100個/秒。如何能快速、準確的響應(yīng)用戶要求，包括自動分析心電信號、數(shù)據(jù)存儲、數(shù)據(jù)檢索，是區(qū)域心電監(jiān)護物聯(lián)網(wǎng)需要解決的重要問題。鑒于區(qū)域心電監(jiān)護物聯(lián)網(wǎng)服務(wù)要求的高擴展性、高可用性和計算量，設(shè)計心電監(jiān)護中心的主要功能由云計算平臺實現(xiàn)。云計算平臺主要解決分布式計算(心電信號自動分析)、分布式存儲(數(shù)據(jù)讀寫)兩大問題，其主要設(shè)計思路：

(1) 基于LVS集群技術(shù)實現(xiàn)云計算平臺的高可擴展性和負載均衡

通過Xen對底層硬件虛擬化，構(gòu)成一個統(tǒng)一、可有效管理的虛擬資源?；贚VS集群技術(shù)構(gòu)建云服務(wù)器，可以根據(jù)用戶數(shù)量的多少增減服務(wù)器集群的物理設(shè)備，而用戶不會受到擴展過程的任何影響。LVS集群采用網(wǎng)絡(luò)層負載均衡、基于內(nèi)容請求的任務(wù)分發(fā)等技術(shù)，將用戶請求均衡地分配到各個服務(wù)器節(jié)點進行處理，并且能自動屏蔽發(fā)生故障的節(jié)點[5]。

(2) 面向海量小文件和頻繁寫操作的可靠存儲和快速檢索機制

區(qū)域心電監(jiān)護物聯(lián)網(wǎng)存儲的文件是海量的小文件，文件大小不斷地動態(tài)增加，這不同于通常云存儲針對的大文件、多次讀少量寫的應(yīng)用場合?，F(xiàn)階段流行的Hadoop等常用云計算技術(shù)不適合海量小文件且頻繁寫的場合，參考分布式實時數(shù)據(jù)庫的相關(guān)要求，筆者設(shè)計了基于云技術(shù)的區(qū)域心電監(jiān)護物聯(lián)網(wǎng)數(shù)據(jù)存儲與檢索架構(gòu)（以下簡稱ECG-SR架構(gòu)），以實現(xiàn)心電數(shù)據(jù)等的可靠存儲和快速檢索。

1.5 ECG-SR架構(gòu)

區(qū)域心電監(jiān)護物聯(lián)網(wǎng)歷史數(shù)據(jù)檢索行為，大部分是面向被監(jiān)護者個體，涉及群體某時間段、某年齡段的查詢行為比例較低。因此，設(shè)計以每個被監(jiān)護者數(shù)據(jù)為一個獨立文件，該文件在用戶注冊時自動建立，也可由系統(tǒng)管理員手工添加。每一個心電信號文件以ID唯一標識，每條分析記錄按照上傳時間進行排序?；谠萍夹g(shù)的可靠存儲與快速檢索機制滿足以下要求：

(1) 支持50個/s及以上數(shù)據(jù)幀并發(fā)寫入、分布式冗余存儲，冗余參數(shù)N≥3；

(2) 支持50個客戶端/秒并發(fā)查詢，單個查詢服務(wù)響應(yīng)時間＜2 s。

當前大規(guī)模分布式存儲系統(tǒng)架構(gòu)主要包括以Google的GFS、Hadoop的HDFS為代表的Master/Client架構(gòu)和以Amazon的Dynamo、Apache支持的Cassandra為代表的去中心化架構(gòu)。對于海量小文件、頻繁寫的應(yīng)用場合下，Master/Client架構(gòu)即使在盡量減少Master數(shù)據(jù)處理的情況下仍難以避免成為“熱點”，進而成為整個系統(tǒng)的瓶頸。去中心化的分布式架構(gòu)，存在數(shù)據(jù)一致性維護機制復(fù)雜等問題，但能夠有效避免系統(tǒng)瓶頸以及熱點問題；采用多個對等的服務(wù)器節(jié)點之間通過一致性哈希表對數(shù)據(jù)進行分片和冗余備份等方法，可具有較好的可擴展性和穩(wěn)定性[6]。

云計算平臺數(shù)據(jù)存儲與數(shù)據(jù)檢索功能都是在ECG-SR架構(gòu)上實現(xiàn)的。ECG-SR架構(gòu)基于Cassandra實現(xiàn)心電信號數(shù)據(jù)文件的可靠儲存，并保證多個副本間數(shù)據(jù)同步。Cassandra是一個典型的NoSQL解決方案，查詢速度快；同時Cassandra寫性能較好，滿足系統(tǒng)功能需要?？蛻舳说臋z索請求，通過負載調(diào)度器處理后，發(fā)送給ECG-SR架構(gòu)服務(wù)器池，并將檢索結(jié)果回送給Web服務(wù)器。將Cassandra與Spark結(jié)合以實現(xiàn)虛擬云平臺邏輯架構(gòu)，使端到端的分析工作流更易于實現(xiàn)。

ECG-SR架構(gòu)具體如圖2所示，該架構(gòu)部分參考文獻[7]，它較好地解決了海量小文件的可靠存儲與快速檢索問題，同時數(shù)據(jù)分析性能也得到很大的提升，使心電監(jiān)護中心能更快地響應(yīng)客戶請求。

圖2 ECG-SR架構(gòu)Fig.2 Architecture of ECG-SR

2 仿真驗證

搭建了1個模擬測試系統(tǒng)以實現(xiàn)對區(qū)域心電監(jiān)護物聯(lián)網(wǎng)云計算平臺設(shè)計的驗證。模擬測試系統(tǒng)包括1臺PC機（雙網(wǎng)卡）和心電監(jiān)護中心。PC機模擬海量心電監(jiān)護終端（以100個/s并發(fā)，發(fā)送心電分析請求）和海量客戶端（以50個/s并發(fā)，發(fā)送查詢請求），分別連接心電監(jiān)護中心Web服務(wù)器和通信服務(wù)器。心電監(jiān)護中心包括1臺Web服務(wù)器、1臺通信服務(wù)器和云計算平臺。云計算平臺由5臺服務(wù)器組成，1臺服務(wù)器作為負載均衡器，其余虛擬為服務(wù)器池，并共享存儲，以完成心電信號分析的云計算服務(wù)和心電數(shù)據(jù)存儲與檢索的云存儲服務(wù)。模擬測試系統(tǒng)仿真結(jié)果表明，本文提出的云計算平臺可以正?？煽抗ぷ鳎瑵M足心電監(jiān)護物聯(lián)網(wǎng)系統(tǒng)需求。

3 結(jié)論

本文介紹的心電監(jiān)護中心云計算平臺不同于常用的云計算應(yīng)用，它實現(xiàn)的服務(wù)包括海量的分析計算、海量的小文件頻繁寫少量讀操作等，并要求云計算平臺具有高可擴展性、高可用性。針對以上需求，對心律失常類型自動識別功能、海量小文件可靠存儲與快速檢索功能的實現(xiàn)方式、ECG-SR架構(gòu)等進行了分析研究?；谠朴嬎闫脚_的區(qū)域心電監(jiān)護物聯(lián)網(wǎng)可以實現(xiàn)對海量心臟病患者和易感人群全天候、方便快捷的心電監(jiān)護，對于心臟病的早發(fā)現(xiàn)、早預(yù)防、早治療、提高大眾的健康水平具有重要意義。

[1] 楊樞, 朱超, 劉玉文. 基于模糊隸屬度與支持向量機的心律失常分類模型[J]. 蚌埠醫(yī)學(xué)院學(xué)報, 2012, (8): 985-987.

[2] 林利, 石文昌. 構(gòu)建云計算平臺的開源軟件綜述[J]. 計算機科學(xué), 2012, (11): 1-7.

[3] 嚴玉良, 董一鴻,何賢芒等. FSMBUS:一種基于Spark的大規(guī)模頻繁子圖挖掘算法[J]. 計算機研究與發(fā)展, 2015, (8): 1768-1783.

[4] 李戴維, 潘純娣, 夏清發(fā)等. Facebook Cassandra架構(gòu)和設(shè)計的可信性研究[J]. 信息網(wǎng)絡(luò)安全, 2011, (8): 11-15.

[5] 劉玉艷, 沈明玉. LVS負載均衡技術(shù)在網(wǎng)絡(luò)服務(wù)中的應(yīng)用[J].合肥工業(yè)大學(xué)學(xué)報(自然科學(xué)版), 2007, (12): 1592-1595.

[6] 錢益舟. 基于云技術(shù)的分布式實時數(shù)據(jù)庫高性能數(shù)據(jù)存儲檢索機制的研究[D]. 杭州: 浙江大學(xué), 2012.

[7] 陳洪鈺. Cassandra聯(lián)姻Spark 大數(shù)據(jù)分析將迎來哪些改變？[EB/ OL]. http://www.searchbi.com.cn/showcontent_83436.htm, 2014-7-8.

The Key Technology Study on Cloud Computing Platform for ECG Monitoring Based on Regional Internet of Things

【W(wǎng)riters】YANG Shu1,2, QIU Yuyan1, SHI Bo3
1 Department of Health Management, Bengbu Medical College, Bengbu, 233030
2 School of Computer and Information, Hefei University of Technology, Hefei, 230049
3 Department of Medical Imaging, Bengbu Medical College, Bengbu, 233030

This paper explores the methods of building the internet of things of a regional ECG monitoring, focused on the implementation of ECG monitoring center based on cloud computing platform. It analyzes implementation principles of automatic identif cation in the types of arrhythmia. It also studies the system architecture and key techniques of cloud computing platform, including server load balancing technology, reliable storage of massive small f les and the implications of quick search function.

ECG monitoring, internet of things, cloud computing

R318.6

A

10.3969/j.issn.1671-7104.2016.05.007

1671-7104(2016)05-0341-03

2016-04-06

安徽省高校自然科學(xué)研究項目(KJ2015B061by)；蚌埠醫(yī)學(xué)院自然科學(xué)重點研究項目(BYKY1412ZD)

楊樞，E-mail: yangshu@bbmc.edu.cn

石波，E-mail: shibohome@qq.com