[00105495]基于上下文感知的日常远程监测高血压智能分析及预警技术研究

　　该项目为国家自然科学基金资助面上项目（项目批准号：61471064）。该项目理论成果如下：

　　1. 上下文特征筛选：基于高维医疗健康体检数据特点提出数据预处理方案，提高模型效果及模型收敛速度；基于机器学习的高血压风险评估模型展开了对应的研究，筛选肥胖相关的方便获取的上下文特征；基于随机森林算法分析每种因素对高血压的影响，得出对高血压影响最大的上下文指标。

　　2. 体域网的研究：提出了异构无线传感器网络(HWSNs)节点优化分配方案，实现异构传 感器节点在网络中的优化分配。在区域覆盖中的能耗问题上，提出一个新型高能效节点部署机制(LEDS)，提高了网络寿命约 15% -20%且达到将近 98%的利用率。在点覆盖中的精度问题上，提出基于标准的卡尔曼滤波的最优跟踪算法，使跟踪精度最大化。

　　3. 数据挖掘算法的研究：提出了一种更适合于对高血压慢病进行挖掘的模糊加权关联分类算法(GRWFAC)。通过筛选肥胖相关的上下文特征，提出并实现了基于决策树的高血压风险评估模型。构造了疾病早期筛查和高危人群识别模型，并应用于心脑血管疾病的智能诊断。4.预警模型的研究：从于心血管慢病数据集上开展加速比和并行效率评估实验，验证了

　　挖掘方案的可行性以及 MRWFAC 算法在应对海量数据处理时在扩展性和效率方面获得的性能

　　提升；设计出了一套高血压早期预警的整体模型，由数据预处理及特征提取、模型训练、诊断预警三个部分构成。

　　5.医疗影像的研究：考虑到高血压是阿尔兹海默症的诱发因素，该项目在原研究内容基 础上引入了基于多模态磁共振影像的组织分割研究，构建基于多目标的交互式神经网络模型， 实现海马体的自动分割研究，其戴斯相关系数(DSC) 可达 0.919(±0.023) ， 精准度(Precision)可达 0.926(±0.032)。

　　该项目实践成果主要有：针对患有高血压、糖尿病、肥胖等慢性疾病患者、老年人等人群，以健康监测及运动促进为主要手段，搭建 WeHealth 远程健康管理平台。在其数据采集部分中，除了可穿戴设备以外，又提供了一种可供病人自行填写上传测量信息的数据采集方式，开发了数据采集微信小程序，并应用于中国人民解放军总医院。