论文标题：Healthcare Monitoring Using an Internet of Things-Based Cardio System

论文链接：https://www.mdpi.com/2624-831X/6/1/10

期刊名：IoT

期刊主页：https://www.mdpi.com/journal/IoT

文章导读

随着全球人口老龄化的加剧，慢性心血管疾病的居家护理与远程监控需求日益凸显，传统霍特（Holter）监测设备的短时效与佩戴不便限制了其应用场景。本文介绍了一款创新型的便携式物联网（IoT）心脏监测系统，该系统集成了多种先进传感器，旨在通过高效的实时监测与数据分析，为心脏病患者提供全天候的安全保障。研究不仅详细阐述了系统的硬件架构与信号处理机制，还通过对比实验验证了光电容积脉搏波（PPG）与心电图（ECG）在心率变异性（HRV）分析中的可靠性。本文旨在解决当前远程医疗系统中，如何实现低功耗、高精度且能有效区分心律失常患者与健康人群的连续心脏监测问题。

研究内容与结果

本研究设计并实现了一个多功能的物联网传感器节点，其核心硬件包括集成了ECG和PPG记录功能的MAX86150传感器、高精度体温传感器MAX30205，以及用于姿态检测的LSM6DS3TR-C加速度计与陀螺仪。该系统由高性能且超低功耗的STM32U5微控制器驱动，具备初步的本地信号预处理能力，包括噪声抑制、伪影去除及基线校正，随后通过蓝牙将数据传输至云端平台进行深度分析。这种“本地预处理+云端分析”的混合架构，不仅有效降低了数据传输带宽和云端计算压力，还显著提升了系统对突发心脏事件的响应速度。为了评估系统的实际应用效果，研究人员采集了24名健康受试者和26名室性早搏（EA）患者的临床数据，并对其心率变异性（HRV）参数进行了详尽的时域与频域分析。

实验结果显示，在针对健康受试者的监测中，虽然PPG信号由于易受运动伪影影响，其峰值检测的相对误差较ECG高出约6.04%，但在HRV关键指标（如SDNN、RMSSD、LF/HF比率等）的计算上，两种方法展现出了极高的一致性，且无显著统计学差异。这意味着在日常连续监测中，佩戴更简便的PPG技术可作为ECG的可靠补充。此外，研究发现室性早搏患者的HRV参数与健康组存在显著差异：EA组的SDNN（178.02 ms）和RMSSD（26.13 ms）均明显高于健康组，而反映自主神经平衡的LF/HF比率则由健康组的1.56降至0.99。RR间期直方图进一步揭示了EA患者呈现出多峰、宽基底的非正态分布特征，这与健康人群的类高斯分布形成鲜明对比。这些量化结果有力证明了该IoT系统在精准识别心律失常及评估自主神经功能状态方面的卓越效能。

总结和展望

本研究成功构建并验证了一套高可靠性的物联网心脏监测方案，证明了利用便携式传感器进行长期HRV分析在临床诊断与预防中的潜力。该系统通过多维度传感器的融合，不仅能实时追踪心脏电生理变化，还能监测体温及跌倒等意外状况，为老年人及高危患者提供了多重保护。展望未来，研究团队计划引入动态电源管理技术以进一步延长设备的续航能力，并集成卷积神经网络（CNN）与长短期记忆网络（LSTM）等深度学习算法，以实现对高血压、心律失常等心血管疾病的早期预警与风险预测。通过不断优化软硬件协同与交互界面，该系统有望在个性化医疗与智慧养老领域发挥更重要的作用。

IoT 期刊介绍

主编：Amiya Nayak, University of Ottawa, Canada

IoT (ISSN 2624-831X) 创刊于2020年，发表物联网各个领域的原创论文、综述和快讯等。期刊发文方向包括但不限于：物联网中的人工智能和分析；物联网隐私、安全和信任；物联网网络设计和架构，物联网赋能技术 (包括超低功耗物联网技术)；物联网技术在智能环境中的应用；物联网平台:基于云、网关和雾的物联网解决方案；工业物联网：信息物理系统、SCADA平台、5G及超越；物联网交互:物联网中的增强现实和虚拟现实 (如社交物联网) 等。

2024 Impact Factor: 2.8

2024 CiteScore: 8.7

Time to First Decision: 25.7 Days

Acceptance to Publication: 3.9 Days