开发基于移动互联网的普适家庭医疗系统
——远程尿液检查数据采集和处理子系统原理和实现

刘 洪1,吴 凡2,蓝赠美1,秦 滔2,杨 超1,李智华2

(1.广西科技大学 计算机科学与通信工程学院,广西 柳州 545006;2.柳州康云互联科技有限公司,广西 柳州 545006)

摘 要:体外诊断技术是疾病有效诊治的重要辅助手段.目前市场上大多数体外诊断产品是采样器+分析仪器一套的模式,非便携与高成本是制约其发展和推广的重要因素.为了开发一个基于移动互联网和云计算的普适家庭医疗系统,本研究通过将试剂固化到塑料等材质上制备家庭个人使用的尿常规检测耗材,与尿液接触后产生化学反应得到可收集的图像信号;进一步通过手机等移动终端将可收集的信号发送到云端,运用图像处理、云计算、大数据、生物传感等方法分析尿常规指标,即时得到检测报告.实验结果表明:本研究建立的体外诊断新产品能够快速、准确、方便反映个人检测结果,降低了检测成本,方便健康普查.

关键词:移动互联网;体外诊断;云计算;智能诊断;数据挖掘

0 引言

随着社会的发展,医学模式、就医理念的不断变化,人们从之前的有病治病过渡到现阶段的无病监测预防.而传统的医疗机构进行健康检查流程繁琐耗时,诊断花费昂贵,难以满足大人流、高频率的体检要求.疾病辅助诊断技术中最客观的是体外诊断技术,其在提高医疗质量和保障公众健康方面发挥着非常重要的作用.目前大多数体外诊断试剂的使用需要依靠一些专业操作设备和检测仪器来进行,且多数项目的检测都必须在医疗机构内完成.在基于互联网的医疗系统蓄势待发的今天,如何以方便、快速、廉价、无处不在的方式获得体外诊断数据已经成为亟待解决的发展瓶颈[1-2].目前的健康检测主要有两种方法:一是依靠医生直接检查,二是依靠设备检查后分析.分析又分为由医生主观分析和由智能设备自动分析两种方式.然而,这些方法都存在一些弊端:1)患者和医生面对面的检查存在地域性和时间性限制,医院就医检查诊断流程繁琐且花费昂贵,难以满足大人流、高频率的体检要求(图1);2)检测设备昂贵、成本高;3)智能设备分析依靠的数据为本地数据库,如设备自带数据库、医院的经验数据库等,这些数据库之间存在差异性,其专业性和准确性不足;4)在智能设备的诊断过程中,信息采集、分析、结论存在误差.有大量机构试图通过互联网化改造优化就医流程,解决或缓解以上问题.但由于一直无法方便廉价地获取有效诊断检测数据,仍然受制于大医院的数据及服务;因此,近年来出现的多种便携式体外诊断检测仪器[3-7]仍然无法真正成为一个完全在互联网上的普适家庭医疗系统.而利用生物传感技术和以云计算为核心的移动端远程体外诊断系统是目前最有希望代替传统体外诊断流程的解决方案.本研究致力于开发适合移动互联网操作流程的体外诊断系统,朝着个体化、家庭化、便易化方向发展,为建立一个基于移动互联网的普适家庭医疗系统迈出关键的一步.解决方案是建立一个移动式医疗光学信息采集和处理系统,为用户提供一个便携的生物传感器.首先用移动设备记录传感器在体外诊断检查前后光学变化信息,随后将信息发送给云端,云端系统将光学信息处理后与统一的数据库中的对应数据和智能化数字疾病模型进行对比得出分析结果,反馈给客户或指定的医疗机构.这就从根本上解决了检测成本高、地域性和时间性限制大、数据误差大、分析误差大的问题.

图1 传统体外诊断流程
Fig.1 Traditional in vitro diagnostic process

1 方法

基于移动互联网终端的医疗检测或诊断系统,一般包括用户的生理指标采集,数据的预处理,信号的传输,数据的分析与预测,结果或建议的反馈这5个部分,如图2所示.目前,智能手机已广泛普及,其标配的处理器、传感器、通信接口以及强大的无线通信能力是非常理想的前端数据收集、处理以及信息收发的载体.

尿常规是医学检验的“三大常规”项目之一,为诊断泌尿系统疾病提供重要依据.本文将以尿常规的移动互联网数据采集和诊断为例来进行说明.

1.1 数据采集

数据采集的准确性与便捷性直接关系到整个系统的有效性和效率.如何方便廉价而准确地测得用户的生理和病理指标是目前互联网医疗健康系统待解决的最大技术难点.目前基于化学反应的传感器分为干化学和湿化学两种[8-10].干化学为片状,体外诊断试剂干燥后附着于塑料片等支持物上封装保存.湿化学为管状,其核心是含有体外诊断试剂的微型试管,样品与试剂接触后可产生光吸收、吸收峰偏移、散射/折射率改变、产生电压/电流、产生荧光/酶促发光/量子点发光等物理变化.本系统使用干化学生物传感技术解决体外数据的获取问题,即传感器与尿液接触后产生化学反应,反应强度转化为可测定和传输的光学信号传输到手机等移动终端.

研究采用的尿液分析试纸由12个检验试纸块(维C、白细胞、空白、胆原、胆红素、pH、比重、酮体、蛋白质、隐血、亚硝酸盐、葡萄糖)间隔粘贴在支持体一端.原则上取用新鲜中段尿液,在2 h内对尿液进行检测.将尿液充分滴到每个检验试纸块上,反应结果由使用者在60 s内完成手机拍照.

如图3所示,是利用生物传感技术设计的尿常规指标检测试纸.其中,下面2排为固化的干燥诊断试剂,对应12项尿常规指标.二维码可记录厂家、批号、渠道、有效期等信息,右上角注册商标色块为测定光环境和白平衡的比色卡.尿液与检测试纸块充分接触后出现不同程度的颜色变化.图3(a)为干燥的尿常规指标检测试纸,图3(b)为健康志愿者尿液与试纸充分反应60 s内拍摄结果.

图2 基于移动互联网终端的医疗诊断系统示意图
Fig.2 Diagram of proposed medical diagnosis system based on mobile Internet terminal

图3 尿常规指标检测传感器
Fig.3 Urine routine index detector

1.2 数据预处理与信息传输

对数据进行预处理包括提高数据的信噪比[11],删减无用信息以提高后续处理的效率.高分辨率摄像头是智能手机的标配设备,且一般自带图像处理程序以保证得到高质量图像;因此,使用手机摄像头将尿样与生物传感器反应的结果扫描成图像,不仅方便快捷,且能够保证具有较好的成像质量以支持后续图像算法的实施.自主开发的实时彩色图像处理工具把图像数据转化成体外尿液检测数据.图像识别和数据提取的部分也可以在移动端完成,但由于移动端软硬件的多样性和用户体验,目前暂时只在云端实现此功能.

首先在同批次的生物传感器中取样,在优良实验室规范(Good Laberatory Practice,GLP)环境下测试传感器本身以及它们和标准测试剂反应后的颜色RGB值,建立针对此批次的测定标准数据库.

传感器右上角的比色卡用来校正不同光环境和白平衡设置产生的偏差.图像处理步骤包括传感器和比色卡的位置识别、去噪声、多次平均采样以得到实际传感器颜色RGB值(测试值)和实际比色卡颜色RGB值(比色卡测试值).图4显示图像识别和数据提取的部分界面.

图4 云端自动图像识别和数据提取(数据包括取值区域中心坐标和RGB值)
Fig.4 Automatic image recognition and data extraction in the cloud(data including ROI center coordinate values and RGB values)

传感器测试值被转换成传感器校准值:

传感器校准值=矫正系数×传感器测试值

其中,矫正系数=(比色卡数据库值-比色卡测试值)/比色卡测试值

传感器校准值与前述标准数据库比较得到最终测试结果.这步的关键是传感器校准值和标准数据库值的非线性拟合,模拟反应后的传感器在GLP环境下应该出现的变化.

信号的传输是实现用户终端到大数据处理服务器数据交互的必要桥梁;本系统利用日趋密集覆盖的wifi无线网络和3G/4G移动网络作为信息交互的高速通道.目前,采用商业云服务,PHP网络开发工具和MySQL数据库实现数据传输和存储管理.

1.3 体外诊断试剂可行性初步检测

项目前期收集了16例志愿者(其中5例健康志愿者,11例患者)的新鲜中段尿样,在尿样相同反应时间下(60 s内),分别采用项目研发的生物传感器与桂林华通尿液分析仪MA-4210进行尿样检测.

1.4 疾病诊断

数据的分析预测是完成整个诊断的关键环节,除此之外,对大数据中隐含信息的挖掘能力也是提升系统价值的重要方面[12-18].本系统负责大数据分析预测的模型搭建于云端服务器,利用云端系统易扩展和负载均衡的特性实现快速分析,整个分析过程可在5 s内完成.云端服务器的主要分析方法和流程包括图像分析、信号提取、反应环境分析、数据库比对、智能化辅助诊断、生成检测报告.因此,用户在任何前端(比如微信公众号、APP、相机、图片上传)提交图片后即可通过后台云端的数据分析系统得到分析报告.

2 结果

2.1 尿常规指标数据

以健康志愿者尿液检测为例,通过图像处理和数据分析得到尿常规指标数据,检测得到的数据符合健康尿液指标范围.表1显示了对应图4右图的完整数据.

表1 尿常规检测计算
Tab.1 Routine urine test calculation

注:计算出来的校正系数为 0.84(R),1.03(G),1.21(B)

2.2 体外诊断试剂可行性初步检测

本研究收集了16例志愿者(其中5例健康志愿者,11例患者)的新鲜尿样,分别采用课题组研发的生物传感器与桂林华通尿液分析仪MA-4210进行检测结果对比.5例健康志愿者检测结果中:1例白细胞出现华通尿液分析仪阳性结果略弱于传感器.11例患者检测结果中:1例胆红素出现华通尿液分析仪呈阳性,传感器呈阴性;1例潜血出现华通尿液分析仪阳性结果略弱于传感器;5例白细胞、2例葡萄糖、1例潜血都出现华通尿液分析仪阳性结果略强于传感器.经检测结果相比较,同一尿样在相同反应时间下,课题研发的尿常规指标检测传感器与桂林华通尿液分析仪输出的结果基本一致(误差在可接受范围,尤其是葡萄糖、蛋白质、和潜血的测定[19]).由测试结果可知:课题研发的生物传感器及其数据处理系统具有可行性.以下各取1例健康志愿者(表2对应图5的结果)和患者(表3对应图6的结果)检测结果为例.

表2 健康志愿者尿常规检测结果对比
Tab.2 The contrast about routine urine test results of healthy volunteers

注:“+”表示阳性,“-”表示阴性

图5 健康志愿者尿常规检测结果示意图
Fig.5 The drawing about routine urine test results of healthy volunteers

表3 患者尿常规检测结果对比
Tab.3 The contrast about routine urine test results of patients

注:“+”表示阳性,“-”表示阴性

图6 患者尿常规检测结果示意图
Fig.6 The drawing about routine urine test results of patients

临床中使用的尿液分析仪在原理上和本文的方法类似,都是通过接受反射光测定试带上的颜色变化做出对被测标本的理化性质的半定量测定,这就不可避免的被许多干扰因素造成假阳性或者假阴性的错误判断结果.临床上需要更精确的辅助手段达到确诊的目的.作为一种快速而廉价的体外检测手段,尿常规检测在普查和健康跟踪中的应用具有重大意义.本研究方案使得尿常规检测摆脱了医院束缚而成为一种基于互联网的家用常规检测手段.下一步的工作是利用大数据手段建立针对特定疾病的数据分析和误差分析的模型.本系统可以利用强相关性通过开发智能数据理解工具,以达到获得与尿液分析仪完全一致的诊断结果.开发一个完全基于移动互联网的普适体外诊断系统可以突破医院甚至局部地区的限制,采集海量的数据,为数据挖掘和智能辅助诊断的开发创造必要条件.

2.3 结果反馈

给用户或医生反馈结果/建议是完成一次诊断的终点,该结果应至少(但不限于)给出“是”与“否”的回答,能够为用户呈现检测结果并提供智能辅助诊断信息.如图7所示系统通过微信平台在5 s内,给受试者发送一份包括结果、辅助诊断和建议的分析报告.

图7 系统实现框架图
Fig.7 Sketch of the proposed system

3 结论

本研究开发了一种便携的尿常规指标检测传感器,用手机等移动设备记录传感器与尿样反应前后的光学变化信息,通过客户端上传到分析服务器,分析服务器对光学信息进行修正后与数据库中该批次传感器在服务器中的实验数据进行对比得出分析结果,将该分析结果保存并返回客户端.通过将尿样检测结果进行对比,课题研发的尿常规指标检测传感器与桂林华通尿液分析仪输出的结果基本一致,证实了课题研发的生物传感器及其数据处理系统具有可行性.

建立的全新基于移动互联网和云计算的体外诊断模式和系统,具有去除家用或医用仪器设备、即时诊断、传感器微型便携、廉价、操作简单、使用方便、即时报告的特点;家庭环境下采集尿常规指标,与必须到医院通过尿液检测仪才能得到结果相比,降低了检测成本,方便健康普查;解决了移动医疗中急需解决的化学生理数据采集功能的实现,现已经扩展到生化、免疫、特定蛋白分析、基因分析等检测模块,具有广阔的市场应用价值.为下一步生理数据标准化(化验单互认)及远程自动疾病筛查诊断(网络机器人医生)的研发打下了坚实基础.

参考文献:

[1]王淳玉.体外诊断新产品立项的技术评估[D].北京:中国科学院,2013.

[2]谷威,潘峰,周飞.体外诊断试剂行业发展概述[J].中国药物评价,2012,29(1):98-101.

[3]ROHR U P,BINDER C,DIETERLE T,et al.The value of in vitro diagnostic testing in medical practice: a status report[J].Plos One,2016,11(3): e0149856.

[4]KWON L,LONG K D,WAN Y,et al.Medical diagnostics with mobile devices: comparison of intrinsic and extrinsic sensing[J].Biotechnology Advances,2016,34(3): 291-304.

[5]LAN T,ZHANG J J,LU Y.Transforming the blood glucose meter into a general healthcare meter for in vitro diagnostics in mobile health[J].Biotechnology Advances,2016,34(3): 331-341.

[6]ERICKSON D,O'DELL D,LI J,et al.Smartphone technology can be transformative to the deployment of lab-on-chip diagnostics[J].Lab on a Chip,2014,14(17): 3159-3164.

[7]OZCAN A.Mobile phones democratize and cultivate next-generation imaging,diagnostics and measurement tools[J].Lab on a Chip,2014,14(17): 3187-3194.

[8]SAMANTA P K,SAHA A,KAMILYA T.Wet chemically synthesized CuO bipods and their optical properties[J].Recent Patents on Nanotechnology,2016,10(1): 20-25.

[9]崔国利,周奎臣,杨丽结,等.干、湿化学法在乳糜血中的应用比较[J].中国微生态学杂志,2010,22(1):71-72.

[10]徐峰.季铵盐二聚表面活性剂用于湿化学法合成金纳米材料[D].武汉:武汉大学,2014.

[11]李春贵,陶佳伟,周爱霞.基于邻域能量的压缩感知医学图像融合研究[J].广西科技大学学报,2016,27(4):15-20.

[12]柯宝中.基于FPGA的乒乓式存取高速数据采集通道设计[J].广西科技大学学报,2015,26(1):43-48.

[13]TEIMOURI M,FARZADFAR F,SOUDI A M,et al.Detecting diseases in medical prescriptions using data mining tools and combining techniques[J].Iranian Journal of Pharmaceutical Research,2016,15(S1):113-123.

[14]ZEINAB Z H,MAHDI M.Knowledge discovery from patients'behavior via clustering-classification algorithms based on weighted eRFM and CLV model: an empirical study in public health care services[J].Iranian Journal of Pharmaceutical Research,2016,15(1): 355-367.

[15]ZHU F,KALRA A,SAIF T,et al.Parametric analysis of the biomechanical response of head subjected to the primary blast loading- a data mining approach[J].Computer Methods in Biomechanics and Biomedical Engineering,2016,19(10): 1053-1059.

[16]FENG J,LEI Y,LIN J,et al.Deep neural networks: a promising tool for fault characteristic mining and intelligent diagnosis of rotating machinery with massive data[J].Mechanical Systems and Signal Processing,2016,72-73:303-315.

[17]SUTHA M J,DHANSSEELAN F R.An efficient method for detection of breast cancer based on closed frequent itemsets mining[J].Journal of Medical Imaging and Health Informatics,2015,5(5): 987-994.

[18]WU H C,CHANG C J,LIN C C,et al.Developing screening services for colorectal cancer on Android smartphones[J].Telemedicine and E-Health,2014,20(8): 687-695.

[19]章红芳.尿常规误差原因调查与研究[J].中国中医药咨讯,2010,2(17):248-249.

The development of a universe home medical system based on mobile Internet——the principle and implementation of an instrument-free remote urine examination

data acquisition and processing subsystem LIU Hong1,WU Fan2,LAN Zeng-mei1,QIN Tao2,YANG Chao1,LI Zhi-hua2
(1.School of Computer Science and Communication Engineering,Guangxi University of Science and Tecnology,Liuzhou 545006,China;2.Liuzhou Ivd-Cloud Internet Technology Co.,Ltd.,Liuzhou 545006,China)

Abstract:In vitro diagnosis is an important supplementary means for diagnosis and treatment of diseases.Most of the in vitro diagnoses on the market are in the form of a combination of data acquisition modules and analysis instruments,of which portability and the cost are restricting factors in their development and promotion.To develop a universe home medical system based on mobile Internet and cloud computing,this research prepares routine urine test consumables for laboratory testing by putting the reagents curing on material such as plastic where signals can be collected after the detection of reactions between consumables and urine samples.Furthermore,signals are sent to the cloud by mobile phones as well as other mobile terminals,and reports will be generated instantly by using the methods of image processing,cloud computing,data mining and biological sensing to analyze routine urine indicators.Experimental results show that in vitro diagnosis created by this research will generate individual testing results in an accurate,rapid,and convenient fashion.This system will reduce the costs of testing in health care and facilitate health surveys.This system is the enabling component for a universe home medical system with low cost which can realize a wide range of health data collections and develop intelligent diagnosis systems based on big data.

Key words:mobile Internet;in vitro diagnosis;cloud computing;intelligent diagnosis;data mining

中图分类号:R44;TP 391.41

文献标志码:A

(学科编辑:黎 娅)

文章编号:2095-7335(2017)03-0110-07

DOI:10.16375/j.cnki.cn45-1395/t.2017.03.018

收稿日期:2017-02-20

基金项目:广西科技大学博士基金项目(校科博14Z12);广西科技大学科学基金项目(校科自20161309)资助.

作者简介:刘洪,博士,研究员,研究方向:生物工程,E-mail:chpliu1@yahoo.com.