智能家居中的老年医疗保健技术

智能家居中老年人普遍医疗保健的信息与通信技术

1 胃景与动机

全球范围内，人们对老龄化有着极大的关注，因为我们整体正在以惊人的速度变老[1–3]。这一情况的出现，一方面是由于公共卫生、营养、医学和个人卫生的改善使得预期寿命持续增加，另一方面则是由于出生率下降。然而，这些进步如今伴随着老龄化人口结构，预计这将对全球大多数国家的社会经济福祉造成重大负担。

例如，到2017年，人类历史上首次老年人（此处定义为65岁及以上的人群）数量超过5岁以下儿童，而到2050年，老年人的数量预计将超过14岁以下儿童[4]。这种老龄化人口结构在东亚和欧洲部分地区尤为突出——参见例如涵盖96个同质和异质国家数据的全球年龄观察指数[3]。

在像日本、韩国和中国这样的同质化社会中，与快速老龄化人口相关的经济成本极为巨大，在当前的经济和社会体系下难以持续。即使在每年都有大量受过高等教育的移民涌入的多元化社会如加拿大，老年人口也将从2011年的14%增长到2036[5]年的约25%。

这种老龄化人口结构加剧了医疗专业人员面临的困境：在预算日益紧张的情况下，如何向受教育程度更高的老年人口提供更优质的医疗服务。一种高效且具有成本效益的提升老年人福祉的解决方案是远程医疗监护，使人们能够继续在家庭中生活，而不是入住昂贵且资源有限的养老院或医院。此类远程、非侵入式监测系统可以在需要时让医生以更低的成本、更少的人力资源实时追踪重要的生理/生命体征。因此，在面临这场老年人医疗保健海啸的社会中，必须制定出针对以下关键问题的合理且经济可行的解决方案。

政府可以采用哪些策略和技术，使老年人在家庭环境中保持独立？

• 如何改进/调整家庭的物理环境，以更好地满足老年人晚年生活的需求？

社区医疗保健提供者如何利用最新的老龄化研究以及可穿戴和家庭监测技术来更好地照顾老年人？

如何开发和实施准确预测未来需求的方法，以便老年人能够在家庭环境中开始为健康、幸福和独立的晚年生活做好准备？

家庭：长久以来，家庭一直是人们寻求安全、舒适以及在需要时提供或接受照护的场所[3, 9, 10]。如今，青少年可以在家中舒适地生活，无需他人协助。但随着年龄增长，他们的健康状况通常会下降，活动能力及独立生活方式受到限制。对于许多老年人而言，所需的照护主要来自较年轻的家人、朋友或医疗专业人员。然而，由于就业市场的变化以及家庭成员分散在更广泛的地理区域，或更多地关注自己的子女，使得他们照顾老年家庭成员的时间和机会越来越少。因此，社会和政策层面越来越强烈地要求发展可持续且具有成本效益的医疗保健和家庭环境解决方案，使老年人能够继续留在自己家中生活。这些解决方案必须减少对人力和经济资源的消耗，并提供照护服务更多的人能够同时在我们的社会中保持并提升其福祉和尊严[1–8]。人的需求变得更加困难，因为大多数医疗系统都面临着与成本上升、人口老龄化以及对更高质量医疗服务需求相关的三重相互关联的危机。对于全球大多数医疗系统而言，现有和近期的医疗成本预测是不可持续的。此外，这些情况凸显了各种矛盾趋势：一方面要求改善医疗保健、促进独立生活、应对不断增长的老年人口，另一方面又需要控制快速上升的医疗成本，并减轻家庭成员的负担和压力。

为了应对当前医疗保健系统的可持续性问题，一个非常有前景且可行的解决方案是利用过去半个世纪推动信息和通信时代发展的相同低成本、普及的技术来改善家庭环境，即使用信息和通信技术（ICT）的普遍医疗保健解决方案。在这方面，家庭可以变得智能以提供远程、非侵入式和非侵入性的医疗保健监测。此外，对于老年人，家庭可以定制为更舒适且资源消耗更少的环境。从某种意义上说，可以说未来的家庭，尤其是针对老年人的家庭，将具备眼睛、耳朵和手，以在适当的时间看到、倾听并提供必要和需要的东西。

在上述讨论中，我们描述了老年人在家中接受护理的重要意义，以及如果不尽快解决这一问题可能引发的经济和社会危机。例如，在加拿大，《国家邮报》（2013年8月19日）的一篇文章[11]标题为《最新民调显示大多数加拿大人怀疑医疗保健系统能否应对“老龄化海啸”》，其中提到：“受访的加拿大人中有六成表示，他们对医疗系统照顾加拿大迅速老龄化的群体的能力缺乏信心。”文章引用了加拿大医学会（CMA）会长的话指出：“包括联邦政府在内的各级政府都需要采取行动，应对即将冲击医疗保健系统的‘人口结构海啸’…，并且绝大多数加拿大人（93%）支持制定一项全国老年人健康战略，以推动家庭护理和长期护理的发展。”此外，文中还提到：“将一名老年人留在医院病床的成本接近每天1000美元，而在长期护理机构中每天需花费126美元。相比之下，在支持性家庭护理和辅助生活条件下让其居家养老的成本约为每天35至50美元。因此，若提供更多支持，将可为医疗保健系统带来巨大节约。”

以这种方式，借助更少的人员、显著降低的成本，并且不影响老年人舒适的生活方式，实现无处不在、非侵入式、持续性和长期护理将成为可能。

图2的框图示意性地说明了传感器、执行器和智能计算如何与医务人员的活动相结合，以满足老年人的社会和福祉需求。通过这种方式，老年人可以继续舒适地生活在自己的家庭中，使二十一世纪成为拥有更智能的家居用于更智能的医疗保健[15, 16]的时代。这也为开发与老年人医疗保健相关的智能家居技术领域的新产品提供了巨大机遇。例如，图3是用于通过心电图（ECG）监测心脏电活动的可穿戴、微创式穿戴式传感器的示意图[17],，以便能够及时识别心脏问题并制定相应的治疗措施。

2 引言

如今，全球许多国家的政府都在努力寻找解决其人口迅速老龄化这一主要问题的方法。众所周知，随着人口平均年龄的增长，对更优质、更高效医疗保健的需求已成为公共和私人医疗服务提供者预算中的首要关切。现有的临床医疗服务模式通常带来高成本，大多数国家在未来几年将难以承受[3, 11–14, 18]。此外，提供日常护理的资源也严重不足。同时，住院治疗通常只是最后的选择医疗服务提供者，而且需要健康援助或个人医疗保健的人也不希望如此。此外，根据一项美国全国调查，近三分之二的非机构化个体中存在功能受限者依赖来自家庭、朋友和志愿者的非正式护理，而能够负担正式付费护理的比例不到10%[19]。随着人口老龄化加剧，这种非正式服务正面临日益严峻的挑战。

在缺乏家庭成员或医疗保健人员定期检查的情况下，老年人可能会频繁寻求非计划性的急诊或住院护理，而这些情况本可以通过使用智能医疗家居技术[9, 10, 15, 16]加以预防。此外，住院护理是医疗服务体系中成本最高的部分，而在住院服务中，急诊室费用又是最高的之一。因此，可以认为，一种可行且可持续的医疗保健模式是：个人很少需要前往医生诊所或医院就诊。在这种情况下，他们必须能够在自己舒适的居住环境中捕捉和记录重要的生理信号。然后，这些健康相关信息应提供给医疗专业人员，以便在需要时采取适当措施。其中一些监测设备（如可穿戴血压监测设备和心电图系统）能够识别危及生命的急性状况；另一些设备（如步态分析仪）则可用于检测或识别早期疾病，以防止其进一步发展，从而避免后续出现严重的健康并发症。

为了在努力降低医疗成本的同时提高医疗保健质量，一个关键因素是开发能够识别疾病早期阶段疾病症状的预测技术。通过这种方式，可以提供指导并立即采取纠正措施以实现更健康的生活。例如，个体的行走模式是其健康状况的一个普遍指标。据[20],报道，行走模式与个体的健康状况密切相关。患病的人往往与健康个体的行走方式不同。许多医疗专业人员能够通过观察一个人如何爬楼梯来对关节炎和风湿病做出初步诊断。然而，尽管专业观察有用，但它需要时间以及医疗提供者的在场，且具有主观性。

如果能够对行走模式进行量化和分类，那将大有裨益。如果能够持续获取此类量化信息，则还可远程提供给医疗专业人员。一旦发现异常，临床医生便可判断其是否为关节炎、风湿病或肌肉骨骼问题等。这正是行走分析仪的核心功能——采集、量化、分类并解读行走模式中的信息，以便在发现问题时能够及时采取纠正措施。该分析仪将在后文详细描述。

目前，可穿戴的设备在量化运动或身体活动方面的重要性正日益受到关注[21, 22]。例如，在表1中，我们列出了一些商用产品，包括所使用的传感器类型及其主要应用的详细信息。

医疗保健成本上升的一个方面与疾病或损伤后恢复期间所需的巨大资源有关。大多数损伤是意外造成的，而在老年人中，关节损伤非常严重，且是一个日益严重的主要问题。此外，关节损伤（例如膝盖损伤）的恢复需要长时间的康复护理[23]。膝盖或其他腿部损伤会影响活动能力，从而影响个人进行基本活动的能力日常生活。此类日常活动包括购物、散步、探望孙辈，甚至上厕所或洗澡。目前，康复过程成本高昂且具有主观性。康复在很大程度上依赖于物理治疗师或运动学家的经验和专业知识，因为目前尚无低成本、易用的定量测量方法。然而，如果能够对受伤关节进行适当监测，并根据恢复状态和恢复速度调整康复方法，则可以缩短康复过程并优化恢复过程。遗憾的是，对关节状态的定量评估并不简单。因此，可以采用智能关节监测器方法来提供所缺失的定量评估，这一点将在后文讨论。

我们现代社会的另一个主要问题是，许多人休息不好，因为他们面临着工作、家庭（及大家庭）以及日益增长的信息洪流所带来的压力和紧张。这会导致睡眠问题，尤其在老年人中更为明显。老年人常常服用安眠药，但第二天中午就会感到疲倦，可能出现嗜睡现象，并且长期使用助眠药物还会带来其他副作用。一种更好、更健康的替代方案是在智能卧室中利用传感器和执行器来定制睡眠环境。在这种定制/优化的睡眠环境中，可以对个体进行无创、非侵入性和无缝监测，并采取相应的补救措施，以改善其睡眠质量。通过更好的睡眠以及第3.3节中将详细描述的相关健康/福祉益处，个人能够更有效地冷静应对日常问题（如工作压力、压力等），这些问题可能会影响他们之后的睡眠。最后需要强调的是，本文仅讨论使用信息与通信技术所带来的优点和益处智能家居中的老年人普遍医疗保健。这并不是说不存在挑战。在未来的文档中，我们将讨论其中的一些挑战。

3 智能医疗家庭技术

在我们的工作中，我们利用信息技术、无线通信、传感器、执行器、信息融合、计算机和自主计算方面的进步，为U‐医疗保健应用开发新型、智能且具有成本效益的解决方案[9, 10, 24]。我们提出的解决方案将使许多老年人能够在现代化的家庭或公寓中独立生活并享有社会有意义的生活，同时实现无缝、无创且非侵入式的监测。此类监测有助于对健康相关症状进行早期检测，并提供改善其健康与福祉的建议。

所提出的U型医疗保健解决方案还将有助于在疾病或健康问题的早期而非目前常见的后期阶段进行检测和治疗，以促进健康状况的改善，并治疗慢性疾病。特别是，我们致力于开发和使用低成本、紧凑型且高灵敏度的工程系统，以应对当前已达到流行水平的一些老年人医疗保健紧迫问题[25]。其中三个问题示例如下。

• 行走/跌倒信号。

• 通过定量关节监测，特别是在康复期间，实现运动能力的维持/改善。

• 评估和改善睡眠环境，并监测睡眠生命体征，以促进健康与福祉。

智能医疗家庭的主要组件如图4所示。这些组件涉及医疗保健、自主计算、网络以及用于居住者和家庭环境的传感器/执行器。在韩国浦项的浦项科技大学（POSTECH）作为世界一流大学（WCU）研究项目的一部分所开发的智能医疗家庭如图5所示。图中显示了环境和生命体征传感器、家用设备以及用于指示从卧室到浴室或厨房路径的地面发光二极管。公寓布局显示在左上方，其他五张图则展示了部分家具、传感器和用户便利设施。

下面，我们将简要介绍我们在上述三个领域（步行、关节和睡眠）中正在进行的研究与技术开发工作，以及面临的一些挑战。我们还将重点关注技术与数据处理在开发创新解决方案中的关键作用。低成本且高影响力的解决方案应对迫在眉睫的老龄人口危机。所提出的解决方案经过适当修改后，也可适用于其他人群，并可应用于婴儿或体育活动中，例如。

3.1 智能步行分析仪

行走模式已在跌倒预测的背景下进行了研究和分析。例如，在[20]和[26],中，通过对老年人行走模式进行持续监测，以预测跌倒、识别关节虚弱状况或早期发现肺部或心脏等相关疾病的症状。然而，针对个体一般行走模式的分析研究较少。最近，[27]和[28]中的研究已将行走模式与个体年龄联系起来。由于人体形态、肌肉力量和肌肉骨骼支撑随年龄变化，不同年龄组的人群在行走模式上会存在显著差异。因此，有可能根据行走模式以较高的置信度对个体进行分类，并将这些模式与其年龄或健康状况相关联。

健康个体的行走模式[29,30]通常与其实际（生物学）年龄或更低的年龄相符。如果发现其年龄与该年龄或年龄组应有的行走模式之间存在差异，例如其行走模式属于较年长的年龄组，则这种差异通常表明存在某些健康问题。这些问题可能是由于双腿不平衡引起，例如关节无力或疼痛，或由于肌肉问题导致的腿部加速度不对称。因此，行走模式是整体健康状况的良好指标，也可用于为更健康的生活和更积极的生活方式提供必要的指导。

人类行走因人而异。老年人的稳定性和平衡能力显著下降。老年人行走稳定性降低可能导致严重后果的跌倒，例如髋部骨折，且在许多情况下最终导致死亡。事实上，最近的研究[31–35]表明，髋部骨折是老年人死亡的一个强预测因子。这些研究报道，老年人发生髋部骨折后，死亡风险显著增加。在[31],中报道，对于髋部骨折患者，其死亡风险是可比的一般老年群体的三倍。此外，研究发现约20%的髋部骨折老年人在一年内死亡[35]。这些统计数据表明，迫切需要开发廉价、用户友好的系统，用于分析行走和稳定性。

我们的步态分析仪项目根据步行异常和行走稳定性对行走模式[36]进行分类，这可能作为跌倒易感性的指标。利用廉价、紧凑且灵敏的加速度计和陀螺仪，我们开发了一种概念验证的步行年龄模式分析、分类和识别系统。我们的目标是对根据行走过程中采集的信号将行走模式划分为不同的组，并将这些处理后信号中的信息与年龄、健康状况和体型相关联。行走模式表明，可以定量地确定行走年龄，相关的步行特征可作为潜在健康问题和步行/运动能力问题的指标，例如

为了理解一个人的步行模式，需要通过连续监测[27, 28]来测量一些重要的行走参数，例如速度、加速度以及腿部倾斜/旋转。这些参数属于机械参数，可以通过加速度计和陀螺仪进行测量。从实现角度来看[37–39],这些传感器成本低廉、外形小巧、功耗低，并且能够为感兴趣的机械参数提供即时而简洁的数据。这与现有方法形成对比，现有方法利用视频成像系统并需要对数据密集型的视频流进行复杂分析，最终却只能提供很少的机械信息，尤其是在研究年轻人和老年人[40],的行走稳定性以及按年龄和性别划分的不同步态[27]时。此外，视频采集还需要对场景进行控制，这在专业实验室之外或家庭环境中很难实现。相比之下，我们提出的感知系统几乎适用于任何环境，并且可以在不影响个人日常生活的情况下使用。

以往的研究[41–44]分析并展示了不同行走环境下的行走步态，例如上下坡、平地、草地、地毯、瓷砖、混凝土或沥青。即使对于同一个人，在这些路面类型上的步行模式也存在显著差异。因此，在如此多样化的环境中，不同场景下的步行模式视频记录较为困难。然而，在我们的感知系统中，传感器在这些行走环境中的任何一种环境下都能同样良好地使用。此外，用户可以将传感器穿在普通衣物内，例如袜子中。而相比之下，使用视频捕捉的技术则需要空间结构设计上布置多个摄像头（例如四个或更多），且摄像头之间需保持特定距离（例如四到五米）。

我们开发的步态分析仪具有可穿戴性，适用于各种真实世界行走环境。由于活动水平随环境变化，因此需要对机械传感器的信号进行归一化处理。例如，步态属性包括x、y和z轴上的三个加速度以及倾斜值r。这些信号必须进行归一化，而归一化过程中可以使用个人身高[27, 45, 46]等不同参数。归一化后，便可提取量化个人步行模式的参数。

一个行走年龄分析仪系统的示意图如图6所示。在此示例中，使用了两个传感器——加速度计和陀螺仪——来测量与行走相关的信号。这些信号通过蓝牙无线通信传输到附近的计算机，或存储在紧凑型可穿戴数据记录仪中。这些传感器用于测量加速度和倾斜。由于传感器和无线系统放置在个体脚踝附近的腿部，因此行走信号具有个体特异性。可通过分析行走信号来确定步行模式。

例如，可以确定个体的基线信息。然后，行走信息及其与正常值的偏差可能表明潜在健康问题，或可与个体的健康问题相关联。通过这种方式，不仅可以将行走信号与现有健康问题相关联，还可以提供建议，帮助人们按自身年龄行走，甚至以更年轻的行走年龄行走，从而改善其健康状况/福祉。

在图6所示的示意图中，用户输入包括年龄、身高和性别。其他输入如体重、腿长或种族也可用于提供更完整的输入集，以实现更精细的分类，并增强步行特征与用户输入之间的相关性。此处测量了加速度和旋转信号。未来采用五组传感器的系统可安装在两条腿、两只手和躯干上，以提供更全面的信息，用于分析行走与健康/健身之间的相关性，并作为某些疾病诊断的指标。相关性的示例包括行走过程中脚、手和/或身体之间的协调性、步行速度、手脚之间的同步性（类似于士兵行进的情况）、脚离地面的高度，以及行走信号随路面类型的变化情况。

行走年龄分析仪可能看似简单，但行走信号中包含着丰富的与医学相关的信息。这是因为行走需要能量、运动、控制和支撑。当一个人行走时，会对多个器官及其他身体系统产生需求，包括心血管、呼吸、中枢神经、自主神经和肌肉骨骼系统。异常行走或步态减慢可能表明一个或多个与行走相关的器官系统或肌肉骨骼系统存在健康问题，导致行走时的能量消耗增加。例如，患有神经肌肉疾病的个体通常在行走或运动方面存在困难，因此步态分析可作为一种诊断技术，用于识别疾病的严重程度并推荐合适的康复路径。此外，该行走年龄分析仪还可配置为在细胞学中类似细胞图仪的行为。有关“行走年龄分析仪”的更多细节，请参见[29]。

在图7中，显示了用于数据收集、存储和分类系统的行走年龄分析仪的框图。在此系统中，采集信号经过滤波以去除噪声，然后进行分解以提取对应于行走信号的特征向量。在提取行走特征后，使用K‐均值等聚类算法对其进行分析和分类。随后，分类后的特征与年龄组、腿长和性别等输入参数一起存储在数据库中。当一个新的个体的数据样本插入数据库时，分析器将提取其特征向量。通过分类，例如使用K‐最近邻算法，个体将被归入相应的组。在所示的图表中，输出结果是该新个体的行走年龄。

我们研究并发表了韩国不同年龄组人群的步行模式分类，并开发了一个用于确定个体行走年龄[29]的概念验证系统。通过使用加速度计和陀螺仪采集行走信号，并利用文献[40]中所述且在[29]中报告的步态特征提取方法，提取了能够综合反映信号特性的归一化数学指标或特征。在对信号进行滤波并分解为本征模态函数（IMF）后，保留了足以描述行走信号的前三个IMF，其余的IMF被舍弃。

包含在一个16维向量中，并计算每个本征模态函数的能量，以生成包含16维能量元素的特征向量。然后通过主成分分析将该向量降维为2维主成分。随后将K均值聚类算法应用于该2维分量向量。图8展示了运行中的行走信息系统的工作流程图。

实验中使用了用户友好的计算机界面（该界面也能够在智能手机上实现），用户只需点击“获取行走数据”即可开始测量。对于我们的测试对象样本，聚类后最简单的分类是分为三组——“10多岁”的儿童（20人）、“20至60多岁”的成年人（44人）和“70至80多岁”的老年人（15人）。图9。显示了我们对79名测试对象在聚类前（a）和聚类后（b）的结果。

聚类前和 (b) 聚类后。识别出三个不同的行走年龄组)

本项关于行走年龄分析仪的研究结果表明，行走信号可用于监测总体健康状况，并提供一些建议，帮助人们按自身年龄行走。该分析仪主要目标的概要如图10所示。此处描述的步态分析仪系统还可用于伤后康复，或用于阿尔茨海默病等疾病的症状早期检测。此外，它还可用于步态识别、记录生理指标和活动模式、检测摇摆、不稳定运动，以及最终评估跌倒风险。

现有的及其他我们提出的行走信号监测方法均为非侵入式，设备不会干扰个人的正常活动。该步态分析仪系统还可用于观察药物对步态的影响以及日常活动。因此，它们可能非常容易被公众接受。此外，所提出的行走年龄分析仪方法具有很高的商业化可能性，因为它将为个人及其直系亲属提供定性和定量信息，并可远程提供给医疗专业人员。

未来研究在第4节“未来展望与研究挑战”中有更详细的描述。其中一项研究将使用更多传感器（五组，分别位于腿部、手部和躯干，例如腰部），以提供更完整的行走信号和指标。利用这些信号，我们可以探究行走信号与各种疾病、平衡及跌倒之间的相关性。行走信号还可作为阿尔茨海默病早期发病的预测指标。一种理论认为，阿尔茨海默病的发作与脑细胞破坏有关，因此神经信号可能变得不一致或失真，类似于收音机上的周期性静电干扰。因此，信号会周期性地变得模糊，导致人们在行走时犹豫，产生与个体正常变化不同的活动模式。

3.2 智能关节监测器

关节损伤非常常见，可在任何年龄发生。在各种关节损伤中，膝关节损伤可能是最常见的，且会严重影响人体进行基本日常活动的运动能力。膝盖是人体最大、最复杂的关节之一，它连接股骨（大腿骨）与胫骨（小腿骨）以及髌骨（膝盖骨），其中髌骨起到保护膝关节的作用。膝关节分为三个腔室——两个胫股关节和一个髌股关节。膝关节韧带和半月板对于维持膝关节的稳定性至关重要。

膝关节结构的稳定性。膝关节韧带连接膝部骨骼，肌腱将膝部骨骼与肌肉相连。膝关节软骨在股骨和胫骨之间起到减震作用。膝关节通过滑动和滚动运动发挥作用。

在运动过程中，膝盖承受着巨大的压力，因为它们必须在许多不同的角度下工作，经历屈伸运动，甚至轻微的旋转。膝盖方向的突然改变以及涉及扭动动作的运动是导致膝关节损伤的主要原因之一。膝关节损伤通常是由于有较大力作用于膝盖所致。通过智能关节监测器或以智能护膝形式存在的智能膝关节监测原型系统（例如[47, 48, 50]），可以实现对膝关节功能的监测。智能膝关节监测器可用于提供有关身体活动的信息，例如行走、爬楼梯或下楼梯以及快速移动。

行走年龄分析仪[29] 和膝关节监测系统[47] 一起可提供关于日常生活中的身体活动的信息。这些活动对于老年人非常重要，因为它们有助于预防或减轻糖尿病、肥胖和心脏病等慢性疾病对其日常生活的影响。

如上所述，膝关节损伤非常常见[51]。诊断膝关节损伤有多种传统方法[49–52]，包括观察、触诊、运动和受伤部位的影像检查。关节角度测量仪是一种简单手持工具，用于手动测量和记录膝关节角度。该方法依赖于物理治疗师的经验和专业水平，是效率低下，且在记录测量结果时会占用监控时间。此外，这种方法大多是定性的，通常依赖物理治疗师的触觉以及对上一次治疗session的记忆来判断进展。

用于膝关节屈伸过程中角度测量的一些常用技术包括光学、超声波、磁性或惯性追踪。在这些技术中，一种流行的方法是使用可穿戴惯性传感器——加速度计和陀螺仪，因为它们具有小型、用户友好等特点，并可用于长期监测。然而，此类传感系统必须经过精心设计、校准和使用，以尽量减少噪声、漂移等对测量结果的影响。

最近，[53],一种由超宽带（UWB）收发器和天线组成的电子系统被用于测量膝关节屈伸的角度。该系统并非集成式系统，受试者佩戴小型UWB天线（12.2 mm × 18.5 mm × 1 mm），并使用台式设备如脉冲发生器和采样示波器。在[54],研究中，研究人员将超微型加速度计粘贴在受试者的髌骨上，用于测量其腿部进行屈伸旋转时的旋转角度。患有膝关节疾病的患者——类风湿性关节炎和脊柱关节病——之间获得了显著差异。这些结果表明，无创加速度信号有可能成为一种简便快速区分脊柱关节病和类风湿性关节炎的工具。在[55],研究中，研究人员进行了力‐时间测量，以确定多发性硬化症患者的膝关节肌肉功能。对于这些使用等速测力计对膝伸肌和屈肌的扭矩进行动态测量，以记录疾病进程并制定治疗方案。

上述方法依赖人工经验，费时费力，需在临床环境中进行，用于研究健康与患病个体之间的差异，或使用复杂传感器。因此，我们的工作聚焦于一种简单、低成本的解决方案，以自动且便捷地测量重要膝关节参数，如膝关节角度、屈曲、伸展、旋转、力和温度。

主要目标是设计一种智能膝关节监测器作为护膝，其上安装有加速度计、陀螺仪、力传感器、温度传感器，以及通信模块、微控制器、存储器和信号处理器[47]，构成小巧轻便的系统。此类膝关节监测系统的系统框图如图11所示。

智能膝关节监测器是一种易于使用的护具[47]，符合我们对无创且不干扰日常生活的健康监测设备的愿景。它具备多项用户友好的特征。在必要时，例如睡眠或洗澡时，可将智能膝关节监测器取下，并能轻松地再次使用。通过关联膝关节监测器和步态分析仪的信息（后者使用袜子、腕带和腰带中的可穿戴传感器），物理治疗师和运动学家或许能够制定出更有效且快速的康复方案，并建议必要的活动以实现改善的生活方式。

智能膝关节监测原型系统的一个关键目标是，通过提供客观评估康复进展的手段，量化膝关节（或其他任何关节）的状况，并最终为受伤者的膝盖找到更佳的个性化康复方案，以实现更完全的康复。更快且更完全的康复反过来会带来其他益处，包括提升个人与家庭福祉，减少因暂时性伤残导致的经济损失残疾，并降低医疗系统的成本和负担。

当智能膝关节监测器使用时，传感器数据通过通信模块收集，并发送到个人电脑或智能手机。然后，物理治疗师或运动学家可以利用定量数据来诊断膝关节问题，并因客观判断而以最小不确定性评估康复进展。我们期望这种监测系统能够帮助物理治疗师比现有方法更准确、更客观地诊断膝关节状态，且数据是通过无线方式收集的测量数据。当完全集成到单一电子传感系统中时，该智能膝关节监测器可用于身体其他关节。

智能关节监测器可以通过多种方法实现。一种方法是将传感器安装在一个具有单自由度旋转的两片式护具上，且该旋转与膝关节旋转轴对齐[47]。这种护具在角度测定方面具有更高精度，但需要操作者具备一定的技能，以确保膝关节和护具的旋转轴对齐。我们开发的智能膝关节监测器初始原型主要适用于物理治疗师的测试。第二种变体由两个独立护具组成，通过环绕腿部的柔性绳索连接。护具中的陀螺仪和加速度计用于估算角度[47]。虽然角度测量的精度可能较低，但可以收集轨迹和加速度的额外信息，从而实现实时的体上测量。该结构设计对佩戴者也更为方便，并且第二个护具的信息可与步态分析仪相结合。

我们智能膝关节监测系统的初步原型如下图所示，见图12。该原型包含多个传感器和电子元件——力敏电阻、加速度计、陀螺仪、温度传感器、用于测量膝关节角度或关节活动范围（RoM）的电位器，以及无线收发器。在护膝顶部安装了一个灵敏的温度传感器，用于记录股四头肌上方的皮肤温度。测量体表皮肤温度的理念在于，肌肉的累积应变可以通过肌肉温度来测量。因此，通过测量肌肉上方的皮肤温度，有可能确定肌肉的累积应变。

膝关节角度（活动范围）通过安装在膝盖关节处的电位器传感器进行测量。两个低功耗且小型化的加速度计——分别位于护膝的下部和上部——用于跟踪腿部下部和上部的线性加速度。一个低功耗陀螺仪放置在上部护膝的一部分，用于测量腿部的角速度，并用于确定加速度。该陀螺仪内置信号调理和低通滤波功能。此外，一个力敏电阻（FSR）连接在沿人体腿部后侧延伸的双绞线上，并置于脚跟下方，用于测量脚部冲击和力。这种超薄传感器在脚跟接触表面时典型的高力条件下仍能提供高分辨率输出。

微控制器被用作护膝上的主要数据处理单元。所选的微控制器包含多个模数转换器（ADCs），并能提供其他类型的传感器接口。该微控制器用于采集和处理数据，然后通过ANT协议（一种开放接入、用于传感器网络中性能与健康监测等应用的超低功耗无线技术）以每秒十个数据点的速度进行传输，足以实现实时结果。外设接口控制器（PIC）微控制器以每秒4800比特的速度与ANT设备通信。ANT收发器内置一个工作在2.4 GHz频段的发射器，通信距离可达30米。通过USB串行接口，个人计算机（PC）上的图形用户界面（GUI）可以接收无线ANT传输的数据。所有传感器系统和电子元件均安装在三块印刷电路板（PCB）上，并加以固定如图12所示，将传感器安装在护膝的相应位置。此外，在实际系统中，获取和分析传感器数据时，必须仔细考虑校准、传感器漂移、温度波动以及电噪声和机械噪声等实际问题。表2中提供了智能膝关节监测器所用全部传感器和电子元件的一些关键细节。

在智能膝关节监测器中，使用定制程序对采集到的感知信号/数据进行滤波、处理和实时显示。数据通过无线方式传输到个人电脑，用于显示并存储在数据库中，以便保存所有传入的数据。这样，物理治疗师能够通过多次会话跟踪康复进展。通过在个人电脑或智能手机上利用通信模块收集感知数据，物理治疗师或运动学家可以使用定量数据来诊断膝关节问题，并以最小的主观判断不确定性评估康复进展。人们认为，这种监测系统可以帮助物理治疗师更准确、客观地利用无线收集的测量数据诊断膝关节状态。此外，该系统还可用于身体其他关节；适用于包括儿童和年轻成年人在内的大部分人群；以及用于运动、工作和其他意外关节损伤后的康复。

已实现一个图形用户界面，用于启动从智能膝关节监测器采集数据（图13），并显示获取的数据。通过该图形用户界面，系统可收集、存储、分析和显示来自各个传感器的数据，部分示例如图14所示。该系统能够记录不同会话的数据，从而为运动学家或物理治疗师提供数据记录，以便跟踪进展并在需要时采取补救措施。该数据记录可用于进行统计计算，以判断使用者是否过度用力，是否存在造成进一步损伤的风险。此外，膝关节监测器还可利用实时传感器信息动态监测患者用力程度，为物理治疗师或用户提供最佳且个性化的锻炼建议。

还进行了一些实验，以展示滤波对膝盖弯曲和伸展时关节活动范围或角度精确测量的影响（图15）。这些测量中使用了陀螺仪。实验重复进行了十次弯曲/伸展过程，其中角度从30°–40°变化到120°。在没有卡尔曼滤波的情况下，膝盖快速运动期间存在显著的误差（图15b）。经过滤波后，误差被最小化（图15a）。

智能膝部监测仪可用于研究老年人活动范围、柔韧性和平衡能力之间的关系。它还可以用于提供各种问题的定量答案，例如以下问题。

• 膝关节活动度是否在推荐范围内？

• 受伤人员是否在推荐的时间和频率下进行了足够的锻炼或遵循了锻炼计划？

• 是否有任何身体问题需要向医学专家报告？

结合智能步行分析仪，智能膝关节监测器可以提供用于预测跌倒风险的实时信息。可以定义智能膝关节监测器的样式和尺寸，并舒适地佩戴，甚至可在长时间内进行膝盖信息的自主记录。此外，这种监测将以非侵入式且不分散注意力的方式进行，不会影响佩戴“膝关节监测器”人员的正常活动。

3.3 智能睡眠环境

睡眠对于我们的健康脑功能、良好身体健康和情绪健康至关重要，使我们能够在日常活动中正常运作。通常，我们的生活方式具有节律性，白天活动期与夜间静止或睡眠期交替，在此期间，我们休息并保存能量。大多数成年人每晚需要7到9小时睡眠，以维持良好的健康状态并在第二天达到最佳表现[56, 57]。当我们睡眠时，身体正在支撑脑功能，能量水平得以恢复，良好的身体和心理健康也受到积极影响。

睡眠期间，我们的身体会产生有助于细胞修复损伤的蛋白质，并对心脏和血管的愈合与修复至关重要。睡眠对于维持调节饥饿水平的激素的健康平衡非常重要，以避免暴饮暴食。当身体在睡眠中休息时，大脑保持活跃，以控制呼吸等功能，新信息通过记忆巩固被存储到存储器中，并形成新通路以支持学习。睡眠有助于提高注意力和存储器，同时免疫系统得到恢复，从而降低某些疾病的风险。

睡眠由两种不同的状态组成：非快速眼动（NREM）和快速眼动（REM）[58]。通常，每晚包含四到六个重复周期

每个周期分别持续九十到一百一十分钟的NREM和REM睡眠。NREM睡眠分为三个阶段（在近期睡眠分类中，先前的四个阶段已将最后两个阶段合并[59–61]）。在NREM睡眠中，前两个阶段是你进入睡眠并处于浅睡眠的阶段，此时心率减慢、温度下降，为第三阶段做准备。

在3期NREM睡眠（也称为深度睡眠阶段）中，脑部活动较低，身体肌肉完全放松。在此阶段，大多数有益效果，例如组织愈合与再生、记忆巩固和能量恢复都会发生。在快速眼动睡眠期间，我们的心率和呼吸加快，脑部活动通常较高，并且可能会做梦。快速眼动睡眠约占成年人睡眠周期的20%。对于每个人尤其是老年人来说，睡眠非常重要。

尽管其对我们整体认知功能、健康和情绪健康至关重要，但仍有大量人群代表着相当大的比例发达国家的人口睡眠不足或遭受睡眠缺乏的困扰。例如，在[56],中曾估计，“约有5000万至7000万美国人长期患有睡眠‐觉醒障碍，影响日常功能，并对健康和寿命产生不利影响。”

根据美国国家睡眠障碍研究中心（NCSDR）的数据，美国有[62],*7000万美国人存在睡眠问题，且大约60%的人患有慢性睡眠障碍。国家睡眠障碍研究中心还报告称，“睡眠障碍、睡眠剥夺和嗜睡每年给国家医疗保健账单带来的额外成本估计达159亿美元”。此外，“与之相关的健康问题、工人生产力损失和事故给社会带来的额外成本”将使年度成本显著增加[62]。另外，“医学研究所最近在其报告《睡眠障碍与睡眠剥夺：一个未被满足的公共卫生问题》[63, 64],中估计，每年有数千亿美元用于与睡眠障碍相关的直接医疗成本，例如医生就诊、医院服务、处方药和非处方药物。”

睡眠问题通常未被诊断、未得到治疗，且经常被忽视或忽略。慢性睡眠问题可能影响平衡、协调性、警觉性和注意力。睡眠不足或睡眠质量差可能导致中枢神经系统功能不良[65]。在许多个体中，白天嗜睡会影响其日常活动和工作表现[66]。睡眠不足或睡眠剥夺会使大脑疲惫，导致其工作效率降低。

睡眠不足还会影响我们的注意力、良好学习新事物的能力，抑制创造力，并阻碍或降低决策能力。它会影响长期和短期记忆。持续的睡眠剥夺是冲动行为、抑郁、偏执或慢性疾病的危险因素。此外，在[67],中报道，低于标准或不充足的睡眠以及人体自然昼夜节律的紊乱与心脏病、糖尿病、肥胖和认知脑损伤等负面健康结果相关。

一些明显的睡眠剥夺迹象包括过度嗜睡、打哈欠、易怒、不耐烦、焦虑和抑郁。长期的睡眠不足会大大增加“微睡眠”的发生，即在无意识的情况下入睡几秒到几分钟。微睡眠已与大量交通事故、跌倒等事件相关联。根据一项针对约15万人的调查[68],显示，4.2%的人报告在过去30天内至少有一次入睡的情况，尤其是在每晚睡眠时间在6小时或更少的人群中更为明显。根据国家睡眠基金会[69],，除了外在可见的身体变化之外，睡眠模式的变化也是正常衰老的一部分。

随着年龄增长，许多老年人需要更长时间才能入睡（睡眠潜伏期增加）；睡眠/觉醒周期次数增多（睡眠片段化加重），以及快速眼动睡眠减少。

环境在睡眠问题中起着重要作用。例如，过热或过冷、嘈杂、明亮，或者湿度过高或过低的房间都可能影响我们获得充足的深度睡眠。还有证据表明，某些气味可能会影响您的睡眠[70]。例如，薰衣草已被证明可降低心率和血压。可能会让你处于更放松的状态。在[71],中，夜间监测了受试者的脑电波。有报道称，睡前吸入薰衣草气味的人深度睡眠更多，并且在早晨感觉更加精力充沛。研究还发现，薰衣草油显著降低了血压、心率和皮肤温度，表明自主神经兴奋性降低。在情绪反应方面，薰衣草油组的受试者自我评价为比仅吸入基础油的受试者更为活跃、放松和清醒。与基础油相比，薰衣草油增强了θ波（4–8 Hz）和α波（8–13 Hz）脑部活动的功率，表明睡眠质量更好[71]。

睡眠期间，从基本层面来说，大脑会持续感知和处理声音。睡眠时，噪声可能会导致你醒来、在不同睡眠阶段之间转换，或出现心率和血压的短暂变化，这些变化时间很短，以至于你在完全清醒后无法回忆。强度起伏平缓的白噪音和自然声音，例如海浪声或轻轻落下的雨滴声，可能具有放松效果，有助于你进入睡眠。光与黑暗也是提示我们何时该醒来、何时该休息的信号。因此，较暗的房间更有利于提高睡眠质量。为了开始睡眠，你的体温通常会下降，因此较凉爽的房间比温暖的房间更适宜。因此，室温也会影响睡眠质量，据认为，*16至*20 °C之间的室温最适合睡眠。

从上述讨论可以看出，智能睡眠环境可以帮助个人，尤其是老年人享受良好睡眠带来的益处。因此，我们开发了一种专用的软硬件管理系统，用于将房间环境控制并定制为适合个人睡眠的最佳条件。我们使用了用于光、温度、湿度、声音和氧气的环境传感器和执行器。当个体在智能睡眠环境中睡眠时，可通过小型可穿戴传感器方便地监测一些生理体征，如体温和心率。图16展示了智能睡眠环境系统架构的示意图，同时还包括反馈/检查问卷，以帮助为每位睡眠者定制睡眠环境。

所使用的检查表为电子形式，并在我们的智能家居中以智能手机应用程序的形式实现（参见图17中的复合问题示例）[72]。该智能手机应用程序具有显示个人睡眠环境和睡眠模式历史记录的功能[73,74]。利用从传感器收集的数据以及睡眠问卷的回答，可根据医疗专业人员的评估和睡眠者的需求，提供改善睡眠及调整睡眠房间环境的建议。

一个更详细的睡眠检查问卷示例是匹兹堡睡眠质量指数（PSQI）[75]，它也可以通过多种传感器来实现。PSQI包含十九个问题，每个问题的评分范围为零到三分。较高的分数表示更严重的睡眠问题。在这十九个问题中，有八个可以通过音频和视觉传感器自动跟踪和评估。

在智能睡眠环境中，生命体征传感器将提供睡眠阶段的简单判断标准，声音传感器将检测呼吸模式。然后，计算机程序检查睡眠周期中的睡眠持续时间。该系统可用于根据检查表结果检测睡眠障碍。所提出系统的其中一个关键特征是利用计算机自动控制环境，并通过识别异常呼吸模式等方法诊断某些睡眠障碍。

图18展示了我们智能医疗公寓中真实卧室的照片，其中包括用于温度、光、湿度和声音的环境传感器；用于芳香（薰衣草）和富氧（约30%）空气成分）的执行器；以及用于将数据传输到笔记本电脑的无线系统，如图所示。图中显示了夜间光、室温、相对湿度和体温的传感器数据记录示例。19。

为了说明控制环境对良好睡眠的重要性，进行了一些关于改变房间空气环境的实验。具体而言，进行了四组不同房间空气环境条件下的睡眠实验。这些条件分别是：(a) 采用普通空气的基本睡眠房间环境；(b) 富氧（达*30%）环境；(c) 含有芳香（薰衣草）的环境；以及(d) 同时具备富氧和芳香的房间空气环境。图20展示了青少年在卧室中这四种条件下睡眠的典型结果。

在图20a中，对睡眠者在普通房间空气环境和富氧环境下的体温进行了比较（在睡眠者面部上方流动的第一个小时——见图18中所示的氧气分配器）如图所示。在此，我们观察到，当处于富氧环境时，睡眠者进入深度睡眠（红箭头指示的低体温）的时间明显更早——富氧1小时与普通房间环境中2–3小时相比（见图20a蓝箭头指示）。使用富氧与芳香混合时，结果与仅使用氧气时相似（图20c, d）。对于该睡眠者，未观察到芳香对睡眠周期的影响（图20b）。这些结果具有重要意义，因为它们表明，通过将氧气吹向睡眠者面部，使氧气浓度提升至*30%并持续50分钟，可加快进入深度睡眠的过渡，并使睡眠者保持深度睡眠状态更长时间。

在智能家居中，我们的智能睡眠卧室可用于帮助缓解睡眠问题或改善睡眠质量。在此，集式系统收集感知数据，睡眠者在睡眠结束后完成一份检查表。

问卷。该集式系统用于分析所收集的数据，并控制环境执行器，如空调、加湿器、制氧机和照明设备。该集式系统还可用于诊断一些常见的睡眠障碍。图21展示了睡眠环境系统运行的简化系统框图。在此，通过使用传感器、电子反馈执行器以及睡眠者的反馈/输入，我们可以优化房间环境中的温度或湿度等参数，以帮助睡眠者获得更好的夜间睡眠。该软件系统还会根据问卷的回答结果和环境参数，记录睡眠质量的日志。

我们的智能睡眠环境包含传感器、执行器、短距离无线技术以及用于适配器和中间件的定制程序。此外，还包括一份在智能手机上实现的初步睡眠检查问卷。我们展示了如何监控睡眠环境（卧室）并根据睡眠者需求调整环境条件。我们的定制解决方案还包括一些生命体征监测功能，如体温、呼吸模式、打鼾和心率信号。

传感与执行系统已部署在我们的智能家居中，并通过本地无线网络连接。整个系统采用计算机控制，且本地无线网络用于通过智能手机与居住者进行通信。集成的硬件包括加湿器、芳香剂和氧气分配器、温度和照明控制以及声音监测。随后，开发了信息融合系统，以对与居住者睡眠状态相关的环境参数做出适当且及时的响应，并根据[59]中的睡眠障碍分类识别可能的睡眠障碍。

4 未来展望与研究挑战

与生命体征、行走/跌倒、关节、睡眠和自主计算相关的技术被精心选择为高影响力技术，可帮助老年人在无创、非侵入性的情况下生活在自己家中，同时被监测。侵入性地和无缝监测。这些智能家居技术可以帮助老年人在年龄增长过程中维持或减缓其功能能力的退化速度。正如世界卫生组织积极老龄化—政策框架[76, 77],中所述，这些低成本、用户友好的干预措施将为老年人创造支持性家庭环境和健康的生活方式，以促进其健康与福祉。更具体而言，巧妙利用信息与通信技术系统（即智能医疗家居技术）可以帮助老年人改善或至少减缓其功能能力随年龄增长而退化的进程。通过这种方式，其功能能力可保持在失能阈值之上，如图22所示。

下面，我们将描述并讨论与第3节中所述研究工作相关的若干未来展望和挑战。

4.1 步行

我们已经证明，利用简单的低成本惯性传感器——加速度计和陀螺仪，结合低功耗无线通信和信号处理，可以确定个体的行走年龄。这些结果表明测量和分类与行走相关的信号是可行的。行走信号、健康状况以及某些类型疾病之间的关系和相关性将为未来的研究提供充足的机会。例如，通过更大人群的受试者（特别是来自不同年龄组、种族、性别、身体特征等的老年人），对以下课题的研究将有助于获取丰富信息，以建立行走信号与各种健康/健身或生活方式指标之间的关系和相关性。

• 确定将五组传感器分别安装在每条腿（两组）、每条手臂（两组）和躯干上的最佳位置（参见图23中体上传感器的示意图——智能袜子、智能手环和智能腰带中的黄色/绿色部分，用于采集行走信号）智能袜子,智能手-环 和 智能腰带，用于获取行走信号）[78]。

• 使用五个传感器系统来确定单侧（局部）与双侧运动，以及双手之间的协调性以及脚部与其行走指标（如速度、倾斜或摇摆）之间的关系。

• 不同表面（如地毯、木地板、瓷砖、草地和混凝土）对行走信号有何影响？

• 年龄、性别、身高、体重、腿长等不同归一化指标对分类结果有何影响？

• 确定步态特征，例如每只脚接触地面时间、抬脚、地面接触力（通过鞋底中的无线力传感器——未来可扩展为包含更多传感器的智能鞋）以及步长。

• 启动和停止步行的特征是什么，它们如何影响行走信号？

• 研究利用行走信号（如步行步态的变化）作为阿尔茨海默病、肌肉骨骼系统以及心脏和肺等内脏器官功能是否正常等疾病早期诊断方法的可能性。

• 利用行走信号来预测跌倒倾向，因为跌倒往往是其他健康问题的副作用，例如心血管虚弱、药物变化、痴呆初期、渐进性肌肉退化或平衡能力差。

使用行走信号来获取与行走特征退化相关的新见解，并制定定制化措施和指南，以减少或预防这些风险因素。

使用步态、步幅和步速测量等行走信号以及自主计算来检测步行模式的细微变化。这些变化随后可传输给医疗专业人员，以发现早期健康问题。

使用廉价传感器和计算技术进行运动分析，作为一种新的生命体征监测仪，类似于血压测量，为老年人健康提供更多线索。

4.2 关节

如前所述，寿命的延长刺激了针对老年人的用户友好型可穿戴传感（和驱动）系统的大量研究与技术开发。随着年龄增长，我们的肌肉骨骼稳定性通常会退化，损伤的发生率也逐渐增加。关节，尤其是膝关节，常常受到损伤。本文介绍了一种智能膝关节监测器，以帮助物理治疗师和运动学家获取实时的膝盖相关参数，从而有助于评估康复过程。未来的工作可以包括以下内容。

• 对膝关节监测器进行更广泛的实地测试。

将传感和电子组件集成到更紧凑的单元中，使其更易于佩戴、更轻便，并采用低功耗传感器以延长电池寿命或延长充电间隔时间。

• 实施神经网络以训练设备，从而在康复期间对膝关节锻炼的准确性提供反馈。

• 改进图形用户界面，并利用大量传感器加入生物反馈。例如，如果受伤人员在错误地进行锻炼，生物反馈可以立即发出警报，以防止错误的方法成为已掌握的习惯。一旦错误的方法被学会，通常很难再重新纠正。

• 根据物理治疗师、运动学家和骨科临床医生等专家的意见，实施额外的需求。

• 自动化数据收集以消除人为因素。

关于行走和关节信号测量的研究工作与现有复杂的步态实验室环境相比存在显著差异，这些实验室的搭建和运营成本高昂。此类配备高速摄像机和压力敏感型行走路面类型等设备的实验室环境需要训练有素的人员操作，且其环境与正常行走环境（如人行道、道路、小径或草地）大相径庭。相比之下，本研究采用的低功耗、廉价传感器和电子元件具有紧凑型、无创、用户友好的特点，可实时提供有价值的行走与关节信息。它们为在日常普通环境中监测和量化人体系统性运动或步态提供了简便易用的解决方案。这些可穿戴传感器还可用于促进和鼓励身体活动与锻炼，有助于减少肥胖、心脏病或压力等慢性健康问题。

对于老年人而言，这两类行走与关节传感器均可成为评估跌倒风险并最终实现跌倒预防的重要工具。

4.3 睡眠

描述了一种智能睡眠环境，包括多种传感器（环境和生命体征）、执行器、无线通信和计算基础设施。该智能睡眠环境系统包含一份检查问卷，以便根据睡眠者的需求定制卧室。研究表明，在外部执行器中，增强卧室空气中的氧气对提早进入深度睡眠以及在更长的睡眠时间内保持深度睡眠具有最大影响。

未来的工作将包括我们智能睡眠环境系统的以下几个方面。

• 集成更多用户友好的即插即用式生命体征传感设备，如血压、呼吸、脑电波和运动，并将结果与睡眠质量相关联。

• 将研究二氧化碳、噪音水平和舒缓噪音等额外环境条件对睡眠的影响。

• 在更多测试对象中开展更多测试，并加强与临床医生的合作。这将涉及收集与睡眠相关的参数，分析来自传感器的数据，向睡眠者提问，并将答案与收集到的数据相结合，以改善睡眠环境和睡眠质量。

利用睡眠数据和传感器信息，提供高可靠性的睡眠问题诊断标准，并基于这些诊断标准提供建议。

研究此处描述的系统（含增强功能）的结果与现有睡眠监测和分析方法之间的相关性。

4.4 自主计算

在这里，我们讨论与U‐Healthcare智能家居的软件解决方案相关的问题[78–80]。该软件应基于能够捕获智能家居环境中的感知数据以及与老年人健康/福祉/健身相关的感知数据的模型（参见图23中与体上传感器相关的系统架构）。然后，利用数据与信息融合技术，将自主计算嵌入到自主决策系统（ADMS）中[81]。ADMS随后用于管理或为智能医疗家庭中可能出现的各种情况提供建议——无论是针对环境还是个体——并尽可能减少人为干预。自主计算指的是一个能够根据指定的策略、规则和目标动态管理自身的“智能”计算环境。

如[81, 82],自主计算中所述，ADMS中的系统具有自*特性，例如自管理、自调优、自修复、自保护、自适应、自配置和自组织。此类软件系统可根据为老年人定制的高级策略和目标自主做出决策，这些策略和目标是根据老年人的具体需求和健康/体能状况，与医学专家协作制定的。请注意，ADMS不会取代医学专家，而是执行耗时的任务，使老年人能够在舒适环境中获得持续护理，并能够像以往一样进行日常活动在专业且复杂的护理机构或长期护理机构中的经验。对于智能医疗家庭，图24展示了自主决策系统架构的示意图。

例如，传感器收集的数据和信息通过通信链路发送到运行自主决策系统（ADMS）的计算机。这些信息被处理、聚合后转化为知识，并存储在知识数据库（KB）中。在特定时间或根据请求，利用该知识对家庭或老年人的状况进行推理，并根据目标确定是否需要采取任何行动。

普适医疗老年智能家居的本体如图25所示。本体可用于描述现实世界的情况。知识被表示为一组概念及其之间的关系。它可以用于建模老年人活动、健康信号和上下文数据之间在智能医疗家庭中的关系（以计算机语言对现实世界知识的语义表示）。该模型包含以下三个步骤，每个步骤的相关细节将在接下来简要描述。

首先，需要一个语义丰富的知识库来捕获概念和关系。数据在监控、分析、规划和执行功能之间共享，并具备上下文和情境感知与识别能力。支持语义处理，可推断新事实，并动态更新知识库中的新信息/知识。

其次是SHOM（智能家居本体模型）。在此使用OWL（网络本体语言）定义类及其之间的关系。可采用OWL‐DL（描述逻辑）确保针对特定概念/情境的决策。第三是决策。首先通过健康/健身和环境传感器收集数据，然后对数据进行滤波、聚合和融合，接着使用一阶推理引擎进行信息推断。

4.5 研究挑战

下面，我们在图26中从硬件到医疗保健方面说明一些研究挑战。更具体地说，在开发具有短距离通信能力的传感器和执行器的硬件基础设施方面存在许多挑战。在更高层次的系统和计算层面，开发更“智能”的有线和无线家庭网络以及自治系统以使家庭变得“智能”也面临挑战。当这些挑战与医学专家合作解决后，我们就能以更低的成本享受更高质量的医疗保健。接下来，我们以传感器为例提供一些额外的细节。

对于体上传感器，一些关键的研究挑战是能效、响应性和鲁棒性。传感器有时需要在无需电池更换的情况下运行数年，因此低功耗和高能效是重要的性能参数。更高效的电池以及能量采集方法或现有采集技术效率的提升，有助于解决传感器的能量需求。由于传感器需要将其数据上报至中心节点，因此需要具备鲁棒性、安全性的节能协议。

从感知角度来看，传感器的周期性休眠与唤醒有助于延长电池寿命或增加两次充电事件之间的时间，同时确保不会遗漏重要的监测事件。低成本、易用型传感器必须能够在不同环境中可靠地工作。由一组传感器执行的感知活动的整体性能不应受单个传感器故障的影响，因此在无线传感器网络中，鲁棒数据融合至关重要。也就是说，无线传感器网络的能力必须远超各个传感器能力的简单叠加。因此，高效的数据融合与信息提取技术显得尤为重要且亟需发展。这将需要对计算、通信和存储资源进行高效的协同利用。此外，当出现故障时，传感器必须表现出性能的优雅退化。成本‐性能‐可靠性三者之间的平衡代表在开发或部署用于老年人医疗保健的传感器时的关键因素。

5 结论与展望

过去几十年中，信息与通信技术的迅猛发展和应用对我们的日常生活产生了重大影响。这些影响包括即时通信、智能设备、功能强大且体积小巧的计算机、数字影像系统以及“智能”消费产品，如冰箱、洗衣机、炉灶和供暖/制冷系统。推动这些应用的制造进步和技术如今正被用于开发新型环境和生物医学传感器和执行器，当这些技术与信息与通信技术相结合时，将能够实现面向老年人的智能医疗家庭。

智能医疗家庭的一个主要目标是让老年人能够在熟悉的家居环境中独立且安全地生活。通过无创、非侵入式和及时的监测，将有可能在显著降低医疗成本的同时照顾老年人的健康与福祉。之所以能够实现这一点，是因为老年人福祉和安全的许多方面都可以实现自动化，健康问题的早期检测可以带来早期治疗和更好的健康状况。此外，通过信息与通信技术、传感器/执行器、生物技术、医学知识和自主计算的融合应用，还有望改善家庭中的慢性病和老年病护理，并将医疗保健扩展到偏远地区和贫困国家。

迄今为止，在传感—驱动、通信以及信息系统方面已经取得了重大进展。在医疗保健的医学方面也取得了许多进步。然而，针对传感—驱动系统、信息与通信技术以及面向老年人U型医疗应用（如智能医疗家庭）的计算与运算之间的协同集成，仍需付出更多努力。借助智能医疗家庭，老年人可以在熟悉的环境中享受舒适与安全，提升服务质量与生活质量，同时降低医疗成本。这将进一步减轻家庭成员的压力和负担，为老年人带来智能医疗家庭的诸多益处。