King Saud Universty
用于预测 2 型糖尿病和高血压的智能家居健康监测系统
A R T I C L E I N F O
文章历史：
收稿日期 2019-12-07
修订于 2020 年 1 月 16 日
接受日期 2020 年 1 月 20 日
2020 年 1 月 25 日在线提供
修订于 2020 年 1 月 16 日
接受日期 2020 年 1 月 20 日
2020 年 1 月 25 日在线提供
关键字：
机器学习
电子健康
移动健康
远程医疗保健
2 型糖尿病
高血压
电子健康
移动健康
远程医疗保健
2 型糖尿病
高血压
抽象
家庭健康监测可以促进对糖尿病和血压患者进行远程监测。高血压和糖尿病的早期发现极为重要，因为这些慢性疾病在后期发现时通常会导致危及生命的并发症。这项工作提出了一个智能家居健康监测系统，该系统有助于分析患者在家中的血压和血糖读数，并在检测到任何异常时通知医疗保健提供者。条件决策和机器学习方法的组合分别用于预测高血压和糖尿病状态。目标是使用患者的血糖和血压读数预测高血压和糖尿病状态。使用监督机器学习分类算法，在这里训练一个系统来预测患者的糖尿病和高血压状态。在分析了所有分类算法后，发现支持向量机分类算法最准确，因此选择它来训练模型。这项拟议的工作开发了一个家庭健康监测系统应用程序，该系统具有用户友好、易于使用的图形用户界面，用于诊断患者的血压和糖尿病状态，同时向他们的注册医生或诊所发送分类警报和实时通知，所有这些都可以在家中进行。© 2020 作者。由 Elsevier B.V. 代表沙特国王大学出版。这是一个开放获取
文章在 CC BY-NC-ND 许可证 （http://creativecommons.org/licenses/by-nc-nd/4.0/） 下。
1. 引言
随着世界朝着远程检查、持续和快速识别疾病的方向发展，远程医疗保健是一个不断发展的研究领域。远程医疗保健有许多组（例如远程医疗、多功能健康），所有这些都意味着通过使用现代工具在诊所外观察患者。远程监测患者的好处是：早期和持续发现疾病，能够持续筛查患者，避免疾病恶化和不理想的通过，降低住院费用，减少
 |
由 Elsevier 制作和主持 |
住院治疗，逐步获取准确的读数，同时允许患者每天定期锻炼，通过应用用于沟通的技术提高医疗服务的生产力，危机恢复考虑，为有灵活性问题的患者进行管理，对车祸和不同伤口的危机护理以及利用非侵入性治疗药物（Baig，& Gholamhosseini），2013）。
对患者的远程监控侧重于患者的几个子聚集，例如，被确定患有持续疾病的患者、有移动性问题或其他残疾的患者、术后患者、新生儿和老年患者。这类患者中的每一种都有更聪明的状况，需要持续检查。良好的人类服务的重点是能够帮助所有患者合理地期望的习俗生活。大多数研究追求的安排是允许在家中或个人条件下的便携性和行动机会，这对患者来说是有价值的，而不是局限于高额费用的急诊室。随后，整个结构正在工作中，以帮助这个想法利用各种
进步。借助新的远程医疗保健监控系统，老年患者可以在没有监护人帮助的情况下参加日常锻炼。因此，这些应用程序支持坐着、站着、利用洗手间、盯着电视、阅读和打瞌睡等运动，对客户的打扰最少。无论是否有智能家居医疗保健系统，这些姿势对锻炼的影响最小。
关于规划远程监控系统，存在一些困难。在构建此类系统时，决定是否使用接触或非接触式策略、选择传感器、用于处理数据的算法和用于通信的网络是主要选择。与此相关，已经发表了许多评论论文，从不同角度涵盖了智能技术。例如，Tamura 等人 （1998） 试图开发一种家庭健康监测系统，该系统在睡眠、沐浴或排便期间不提供任何限制。Ohta et al. （2002） 开发了一种针对独居老年人的健康监测系统。该系统的基本目的是减轻独居老年人及其家人的焦虑。获得准确性和坚定不移的质量是另一个测试。获得 medicinal network 的认可和患者的同意是基本的。本研究受到上述困难的启发，这些现代工具的重要性可能是有益的。随着研究的扩大，该领域的评论对新分析师来说非常重要，因为它们给出了现有创新的图表。
本文旨在通过分析最近文献（即 2012 年至 2012 年间开发/提议的）中的非接触式和非接触式、基于图像的远程健康监测系统来满足这一要求
因此，本文的贡献是;
不受限制的高血压是全球医疗保健系统面临的一个日益严峻的挑战。
开发一个桌面应用程序，用于分析血压读数并向医生发送通知以进行进一步诊断。
为了以自动化方式执行分析，使用了机器学习 （ML） 方法。这样做是因为与传统方法相比，ML 方法中没有定义任何规则。
患者、机器和医生可以共同努力，提高医疗保健的可及性、有效性和可负担性。
以下部分的组织方式如下：第 2 节详细介绍了相关工作。第 3 节讨论了所提出的方法，将机器学习技术应用于数据。第 IV 节描述了拟议系统的设计和实施。第 5 节解释了已执行的结果。第 6 节说明了分析所采取的步骤、原因和优化模型的预防措施。第 7 节 有关与此拟议工作相关的讨论的详细信息。第 8 节描述了结论。
2. 相关作品
不受限制的高血压是全球医疗保健系统面临的一个日益严峻的挑战。
随着老龄化患者群体中高血压和压力水平的增加，有必要使用可以立即分析血压读数并通知医务人员进行进一步诊断的应用程序。在繁忙的工作日程中，在
我们的生活和我们无法应对医疗保健费用，家庭健康监测变得很重要，并为我们与健康相关的问题提供了一个方便的解决方案。
家庭健康技术帮助医学专家进入更广阔的市场，而不仅仅是传统的诊所环境。借助这项技术，患者可以大大节省医疗保健费用，因为他们不需要亲自到健康中心或出差进行诊断、实验室检查或获得处方。在拟议的系统中，我们将开发一个桌面应用程序，该应用程序将分析血压读数并向医生发送通知以进行进一步诊断。这将有助于医生立即及时地提供医疗保健服务。这项技术可以大大降低急诊入院率。
因此，过去的文献中发表了大量关于电子健康、移动健康这一主题的研究。Bobrie 等人 （2004） 通过自我测量血压分析了高血压患者的心脏病预测。Logan 等人 （2007） 和 Istepanian 等人 （2009） 讨论了基于移动电话的糖尿病患者血糖和血压系统远程患者监测。Logan 等人（2007 年）指出，高血压可以直接影响糖尿病患者。高血压有 50-50 的机会使您对胰岛素产生抵抗。其他可能使您对胰岛素有抵抗的疾病是肥胖、遗传联系或 2 型糖尿病患者。
Saha 等人（2018 年）将物联网远程患者监测和警告警报系统相结合，开发了一种远程患者警报系统，该系统可以监测血压并将警报发送给医生。但它没有展示分类决策警报系统和血压对糖尿病等其他疾病的影响。
Quer 等人（2017 年）开发了家庭健康血压监测系统，并在不受控制的家庭环境中评估了大型血压数据集。他们提出了分析这些大型数据集合的技术。他们研究了几分钟连续 BP 读数的 BP 路径属性。他们显示了每 10 到 25 分钟后血压降低的结果，并且只关注血压的一个方面，即高血压，而忽略了低血压的另一个重要方面。
Panicker 和 Kumar （2015） 还开发了家庭健康血压监测系统，并评估和持续收集血压、脉搏率等生理参数。该演示是在现有的无线技术上完成的，例如用于发送数据的传感器，而不是手动传输数据。它使用传感器和无线蓝牙设备构建移动应用程序。它还演示了使用笔记本电脑和移动电话在接收器端的架构。
Sharanya et al. （2017） 提供了一种温度、血压和心电图监测设备，并开发了一种使用传感器感知生理参数的家庭监测设备。嵌入式 C 代码用于将这些参数传输到微控制器，以在 LCD 上显示最终结果，但缺少将患者详细信息发送给医生的通知功能。Scalise 等人（2016 年）为心率、血压等实施了以家庭为基础的电子健康系统。Megalingam 等人 （2012） 提议测量血压用于老年患者的医疗保健。
糖尿病是由于高血糖引起的，高血糖是由于葡萄糖水平升高引起的，从而损害器官（Vaishali 等人，2017 年）。胰岛素测量的减少导致糖和蛋白质水平的不规则（Alberti & Zimmet，1998）。正如 Weyer 等人 （1999） 所指出的，它可能是由体重增加、胰岛素分泌功能障碍、消化不规则和分泌物中葡萄糖水平升高引起的。糖尿病可能是高血压的一个原因。大多数糖尿病患者也患有高血压。
高血压是各种疾病最著名的危险因素，例如中风、肾病、运动丧失等。高血压患者应在家中监测血压，因为根据美国心脏协会 （2018） 的说法，这被认为是控制血压的理想方法。
吸烟和饮酒的患者，压力水平更大，体重异常增加，并且还受到高血压的影响（Li et al.， 2017）。
之前和现在的研究（Tiwari 等人，2018 年）讨论的重点是家庭健康监测的实施及其好处。高血压对糖尿病的影响也反映在以前的研究中。最近，研究人员还开发了警报系统来通知医学专家。但这个提议的解决方案的独特之处在于，它提供了一个分类决策警报系统，该系统考虑了有关血压水平和相关血糖水平的所有临床参数，以对抗严重的糖尿病和血压紧急情况。借助此桌面决策制定警报系统，医生可以在紧急情况或其他情况下从家中的血糖和血压读数中获得有关患者糖尿病的详细诊断。
拟议的工作有两个主要目标，首先是使用机器学习方法预测血压和糖尿病，以促进疾病的早期发现，其次是生成即时和分类警报，并立即向医生发出有关患者健康状况的警报，以促进及时紧急入院。此应用程序作为患者诊断血压和糖尿病以及在家中向他们的医生发送通知的一站式系统。
许多以前和现在的研究项目都介绍了家庭健康监测系统的工作。以前的研究人员倡导家庭健康监测的想法，如下所述。Bobrie 等人（2004 年）专注于家庭血压监测相对于办公室血压监测的几个好处。引用了由于个体法医的四舍五入偏好、视力等多种原因，在办公室设置 BP 测量中存在观察者间变异性和观察者内变异性。这种可变性在家庭患者血压监测中看不到，因为每次患者都会以类似的方式和类似的设置监测血压，从而在每次血压测试中获得一组准确的结果。当水银血压计设备用于临床咨询时，已经看到舒张压下降了 5 毫米汞柱或下降，从而降低
然而，与拟议的系统不同的是，它并不关注高血压与糖尿病等其他疾病之间的关系。使血压水平恢复正常可以提高胰岛素敏感性。但是，它没有为进一步的胰岛素治疗诊断提供警报通知系统。这些挑战，例如移动设备和医疗设备之间的连接性、系统在不同平台上的兼容性问题、医疗数据的安全性，都经过评估，以最大限度地减少血压对糖尿病患者血糖的影响。
3. 建议的系统
在拟议的系统中，构建了一个应用程序，该应用程序将接收血压输入、执行分析并生成血压诊断。这样就无需在每次诊断血压时都去看医疗保健提供者。如果血压出现异常，患者可以通过应用程序本身通知医疗保健提供者，而无需访问诊所。
该应用程序还可以根据血糖和血压读数预测糖尿病的发作。此阅读的目的是
促进对糖尿病和血压这两个非常敏锐的死亡来源的早期发现。糖尿病和血压的早期检测最终可以使患者免于危及生命的疾病。图 1 显示了架构，图 2 显示了所提议系统的框图。
患者接受血压读数。分析读数后，该应用程序会预测患者的血压类别。
该应用程序还接受患者的血糖读数，分析和预测患者是糖尿病患者还是非糖尿病患者。在血压异常和糖尿病发作的最终结果中，患者可以通过警报系统将病情通知医生。
3.1. 建议方法的工作流程
由于糖尿病对人类健康的严重影响，早期预测糖尿病以有效治愈疾病变得至关重要。机器学习是预测患者是糖尿病患者还是非糖尿病的有效方法。在机器学习的帮助下，计算机系统可以根据预测建模设计事先预测患者是糖尿病还是非糖尿病，而无需进行医疗诊断。由于高血压和糖尿病是相关的，因此根据血压和葡萄糖预测糖尿病变得很重要。
为了设计一个预测模型，从数据集中获取输入并预测患者是糖尿病还是非糖尿病，所提出的系统使用监督分类机器学习方法，该方法输入训练数据集并输出给定血压和葡萄糖读数的糖尿病决策。
请按照以下步骤实现预测建模，如图 3 所示。
3.1.1. 数据收集和处理
数据收集和处理是机器学习中最基本和最重要的步骤。模型的最终效率和准确性取决于输入训练数据集的质量。使用的数据集应采用表格形式，其中行称为数据点，列称为属性或特征。
本实验使用著名的 Pima Indians Diabetes Database。该工作流使用此数据集来尝试使用机器学习进行糖尿病检测和预测。这个数据集是由国家糖尿病和消化与肾脏疾病研究所捐赠的（Dua & Karra，2018）。
该数据集包括以下属性：怀孕、葡萄糖、血压、皮肤厚度、胰岛素、BMI、糖尿病谱系功能、年龄和结果（
尽管使用的数据集（见表 1）非常流行且使用最多，但它仍然是一个原始数据集，需要在提供给模型之前进行处理。数据集具有多个值为 0 的数据点。例如，blood pressure 和 insulin 的值为 0。这实际上是不可能的，因为一个活着的人不可能达到零胰岛素或血压水平。因此，我们可以得出结论，这是一个异常数据点，应该在使用前进行清理。为了获得准确的结果，作为数据处理的一部分，将删除所有具有无效值的异常值数据点。此外，为了提高可读性，结果被解密为分类变量，如下所示：1 转换为 Diabetic，0 转换为 Non - Diabetic。
3.1.2. 特征工程
特征工程是选择适当特征并最终产生准确预测的过程。
这些特征进一步分类为预测变量和响应变量，其中响应是预测变量的结果。通常，预测变量
- 通讯作者。
E-mail address: tiwarisanju18@ieee.org (S.M. Tiwari). Peer review under responsibility of King Saud University.https://liquid-state.com/mhealth-apps-market-snapshot/ (accessed on: 2nd Nov., 2019; 12:13PM - IST)