人工智能技术在各个行业的应用，给人们的生活及生活方式带来了不小的变化。“人工智能”也因此成为了一个时髦的词语，似乎现在的技术不与人工智能沾点边，就落后于人了一样。人工智能技术也确实不负众望，在各个领域的应用都取得了不错的成果，而其中变化最显著也最受人关注的，当属健康领域。今天，我们主要聊一聊当可穿戴设备搭上了人工智能的快车后，在健康领域取得的进步。

可穿戴技术最早由美国麻省理工学院媒体实验室于20世纪60年代提出，主要探索和创造能直接穿在身上、或是整合进用户衣服或配件的设备的科学技术。其最核心的理念是让人们能够更便捷的使用智能化的设备而感觉不到它的特殊存在。穿戴健康设备主要应用于健康领域，主要对用于身体情况的检测、运动数据的统计及健康状况的实时监测。根据知名市场研究公司IDC发布的数据，2018年第二季度全球可穿戴设备的出货量达到2790万部，同比增长5.5%。可见智能穿戴设备正逐步普及，被越来越多的人接受与使用。

可穿戴设备的优势

相比传统的健康监测方式，可穿戴设备具有如下优势：

1.实时监测 

可穿戴医疗健康设备能够为用户提供实时健康监测数据，让用户实时了解个人身体健康状况。可穿戴医疗健康设备节省用户去医院检查和测量的费用，同时也降低了用户的使用成本和时间成本。可穿戴医疗健康设备提供的实时监测，尤其适合当前医疗领域在慢性病管理的应用。 

2.降低治疗成本 

基于可穿戴医疗健康设备在医疗的应用，医疗机构将可以更好的整合医疗资源，为用户提供更便捷的医疗服务。可穿戴医疗健康设备的即时性，为医疗机构调配医疗资源提供重要的参考支撑，医生可根据可穿戴医疗健康设备的反馈实现即时上门或远程会诊，大大降低医患两方的治疗成本。 

3.医疗大数据 

可穿戴医疗健康设备的进一步应用，将实现对用户健康数据大量级别的采集，为后向医疗大数据应用分析提供了重要支撑。医疗大数据不仅将为医药研产业链上的相关企业和国家卫生部门的科学决策提供依据，在保险等行业同样提供可靠数据源，同时支撑用户更加个性化的医疗服务。 

4.智能医疗前景 

虽然当前大部分可穿戴医疗健康设备仅仅提供数据监测功能，但在未来，可穿戴医疗健康设备的治疗功能将被更普遍的应用。可穿戴医疗健康设备将可实现为用户提供诊断、监测、干预一体化的服务，为用户提供最便捷和切实的移动医疗健康福利。 

目前，市场上最具代表性也是使用率最高的可穿戴设备，当属智能手环，而智能手环主要监测的生理指标，就是脉搏波。

提起脉搏波，相信大家大家都有一定的了解，没有现在的各种精密仪器以前，都是通过诊脉来判断人体健康情况的，所谓诊脉，也就是通过人体脉搏波数据来判断人体健康状况，由此可见脉搏波的应用历史十分悠久。虽然科技高速发展的今天，人们早已不用诊脉来判断身体健康状况，但通过监测和分析脉搏波，得到的数据仍然具有较大的参考性。从理论上来说，脉搏就是动脉内压力的周期性有规律的搏动。这种周期性的信号当然就是脉搏波啦。脉搏波蕴含着人体的丰富信息，而这些信息就通过波形、强度、速率与节律等表达。

图|脉搏波示意图

脉搏波的测量方法，目前一共有两种，分别是压力检测法与光电容积脉搏波描记法（PPG）。

1、压力检测法。假设动脉血管为薄壁弹性圆柱管，传感器与血管壁的之间的表皮厚度相对于血管直径可以忽略不计，然后利用脉搏压力传感器对血压施加一定的压力，使一部分血管壁呈扁平状态，但不造成血管闭塞，此时传感器检测到的压力F与动脉压力成正比，在一个心动周期内，动脉压力随时间的变化波形与传感器检测到的压力F随时间的变化波形相似，因此可以把传感器压力F随时间的变化波形近似认为是动脉压力随时间的变化波形，经过后续信号处理可以得到理想的脉搏波波形。

图|压力检测脉搏波

2、光电容积脉搏波描记法（PPG）。当光源的光照射人体组织时，经过组织的吸收和衰减，从光源同侧或异侧被光电探测器接收，根据Lambert-beer法则，肌肉和骨骼等对于光的吸收量是不变的，而血管的节律性搏动会造成血管扩张和收缩，使其内部的血液容积也呈现周期性的变化，从而导致血液对光的吸收量发生变化，使得接收到的光强呈现周期性变化，也即光强的变化反映了血管容积的变化。通过光电探测器采集被衰减之后的光并转换为电信号，可获得PPG信号。

图|PGG检测脉搏波

目前，市场上绝大部分的心率测量穿戴设备都采用PPG法，通过在手环背面设置了LED光源和光电探测器，来采集手腕处血管信号。PPG法从测量以及使用上来看都比较方便。但在测量精度、稳定性方面却时常表现得不尽如人意。其主要误差源于各种干扰，如运动带来的光线干扰、环境光线干扰、肤色干扰、频率交叉干扰、测量区域血管结构变异性干扰等。压力检测法受环境的影响相对较小，但要求有高灵敏度的压力或应变传感器，并且具有良好的柔性保证与测量点良好的贴合，以及针对运动干扰的滤波算法。

脉搏波的作用

目前，由于技术限制，市场上绝大多数智能手环的主流的作用是检测心率，但除了检测心率，脉搏波目前在很多的医疗及人体生理监测产品中都有实际应用，也有相应产品投放市场。

1.血压检测 

图|血压检测设备

目前市场上使用最多的测量血压的仪器，其原理就是通过采集脉搏波，来测量血压数据。具体是通过对缠绕在上臂处的可膨胀袖带加压，动脉受袖带压迫后内部容积发生变化，在慢慢改变袖带内压力的过程中，通过袖带内压力传感器测量由于袖带压迫产生的外压作用和脉动血压之间的平衡引起血管压力变化，从而获得脉搏波波形，通过分析该脉搏波波形的波形特征量并经过一系列数学运算可以计算出人体的血压值。 

2.动脉硬化检测 

除了测量血压值，脉搏波还能通过采集四肢脉搏波的数据，通过对比 分析，监测测量对象是否患有动脉硬化等疾病。具体实现方式是在四肢上分别绑缚袖带，先通过对比左上臂袖带和右上臂袖带在施以两种压力下时两者脉搏波的波幅度改变率，将波幅度改变率较大的一侧上臂作为基准。然后将该侧的上下肢袖带充气至某一固定压力值，通过压力传感器测量并分析该侧上臂袖带所记录的脉搏波与对应侧下肢脚踝袖带所记录的脉搏波之间的传导时间差异，即臂踝脉搏波传导时间，然后利用估算出的脉搏波传导距离(即从病人心脏到戴有上臂袖带的上臂的距离与从病人心脏到戴有脚踝袖带的脚踝的距离之差)除以臂踝脉搏波传导时间，从而获得臂踝脉搏波传导速度（baPWV）。根据Moens-Korteweg方程，PWV与弹性系数的平方根成正比，当动脉硬化导致血管弹性降低时，脉搏波在动脉系统的传播速度就会加快，因此根据获得的baPWV可以判断患者的动脉硬化程度。 

3.睡眠监测 

图|睡眠监测

睡眠监测也是目前智能手环设备的主流功能之一，其原理是利用光电容积脉搏波描记法（PPG）来测量脉搏波并得到人体的心率，然后将心率数据波形结合监测人体运动的运动传感器，利用自动睡眠检测技术来判断人体是否进入睡眠状态，并分析睡眠的质量。 

4. 血氧检测 

目前市场上还有一种戒指式血氧脉搏仪，其设计小巧，可以舒适的佩带在使用者的手指上，便于随时监测使用者的血氧饱和度。其采用了光电容积脉搏波描记法（PPG），利用光源和反射式光电探测器测量手指部位的PPG信号，并通过对PPG信号进行特征提取以及对提取的特征进行数学运算获得使用者的血氧饱和度。 

5. 中医诊脉

图|模拟中医诊脉设备

上文有提到，诊脉是很早以前就开始使用的监测人体身体健康情况的手段之一，目前可以通过外置设备，在桡动脉寸、关、尺三个部位检测脉搏信号，模拟中医医师按脉指法的特点，按照中医举、按、寻的诊脉过程，利用全自动气体加压系统取脉，采集八个不同压力段的脉搏波波形，并自动分析脉搏的位、数、形、势和脉图的各项参数，可以将脉搏波分类为中医的28种基本脉类。从而判断人体健康状况。

利用人工智能技术处理脉搏波数据

采集到了脉搏波，可以说是成功的一半，如何处理脉搏波，则对现在的技术和算法提出了挑战。通过传感器等外设采集到的脉搏波数据，带着许多干扰，并不能直接拿来分析与使用，需要针对采集到的数据进行二次加工，得到其信号特征，才会变成有效的可利用的数据。

对于脉搏波信号特征的提取，很多学者和机构都做了相关的研究，也提出了很多具有建设性的方法。目前被认可和使用的主要有以下几种：

1、阈值法与差分法阈值法 

2、句法模式识别 

3、高斯函数分解法 

4、小波变换 

5、HHT方法 

6、傅里叶变换法

对于脉搏波数据的处理，我们也做了一定的尝试。从技术层面出发，利用人工智能技术处理脉搏波信息的具体实现过程如下：

1、确定基准空间

（1）按照切面的思想，一个对象可以参与多个切面；一个目标就可以在基准空间中对应其在切面中的“位置”； 

（2）更进一步，就充分用到已经流行的向量计算和聚类算法进行规整； 

2、流式计算处理

（1）在有限的空间里，以流水的方式，处理连绵的数据； 特别适用于永无停歇的物联网采集数据，比如传感器数据；

（2）底层的基础算法是否可增量的，是关键； 

3、似然建模与数学工程处理

（1）通过keywords技术建立维度列(dimension)；判别keywords集合时，需要用到优选法/黄金分割/最速梯度下降等算法；其中用hashcode时，需要用到哈夫曼树之类的最优编码；

（2）要分析每个曲线的最大似然结构，从而便于保存，生成UID；如果有多种可能，则保留多个副本，迭代去除小量用。先保存所有的临时node，按seq获得数组，保存真实tid；然后再保存所有的link，保存时按seq做下标，将seq替换成数组中的tid； 

（3）每个曲线，最后分解为({x}…)等各种UID与括号组合，即理解为一种编码；获得编码，才是以后的基础，才能进行后续的比对与估算；

4、子树结构

（1）如何具体计算似然结构(子树)的权重从而找出最大呢？反向代入法：取得Factor列表(map)——针对每个String串，去反向到learning中找到真实Factor——继续反向计算part、sentence分割的各种权重组合；

（2）最大权重的最终成为sentence分割法、迭代替换法和括号组合的最大似然排列；

（3）通过最大似然结构(句子)的拆解，形成一个新的挖掘池，4n-3的形成其子句和关联；

5、数据降维

（1）BP的核心思想，与谷歌PageRank，各路信息之间互验证的思想是一致的，第一次分解用固定factor因子写入；当反馈计算时，用挖掘池(一般在DB中)中海淘数据回填factor，得出权重最大的分解法(即似然结构)；

（2）就是说，“标准精度”之内是全权重的精细计算；“标准精度”之外的更大的，是舍弃小量的粗略计算；做精细计算时，可以是N长度的，将N长度，按照一个粒度一个粒度的截分，共有“粒度-1”种分发，计算出标准粒度下的权重；精细计算之后，粗计算时，就是著名的反向代入法(BP)；

（3）因为反向代入时，固化了其中的字串ID，所以是降维度；关于粒度与精度。粒度不同，会导致计算的精细度不同，导致摒弃的小量数不同；需要计算出一定误差范围内，需要的粒度指标，这是里面的一个核心数学理论基础之一。

6、递归校验

（1）以数字为标的之自学习，比如曲线类，将特定的区段归一化，即在[0,1]区间内进行；同时，每个数字，又需要有一定的容错性，即弹性度；

（2）要用相对归一化，而非绝对归一化；或者说，局部归一化来代替全局归一化。即用当前处理窗口内的最高值为1，最低值为0，来归一处理窗口内的数；

通过一系列处理之后，得到的脉搏波数据，通过实验验证，具有一定的参考性与医疗价值。

人工智能技术还是不断进步，各种先进的理论也慢慢被提出，我们相信，目前的结果并不是一个终点，未来我们也会在现有的基础上不断进行探究与创新，得到更精确的结果，为智能设备的应用贡献自己的一份力量。