多年来，人们一直在产生越来越多的与健康相关的数据.传统上，这种数据类型是在以公民为中心的卫生系统中产生的，那里收集了有关病人的信息.一些常见的来源是病人的健康状况记录、视频/音频检查、已知疾病、经常使用药物等。每次一个人接受医疗服务-无论是选择性预约还是紧急/紧急事件-都会产生更多的数据，提高跟踪每个病人健康情况的准确性。这种模式的一个直接优势是建立个性化知识，支持与人口的诊断、治疗和康复有关的各种预防前线。另一方面，一个关键的缺点是人们在保健中心的存在固有的依赖性。如果一个人没有与这些服务取得联系，就不会生成一致的数据。
可穿戴设备的广泛使用为人们的健康监测提供了一个新的视角。远程医疗范围的扩大也有助于这一设想，特别是采用了“护理的连续性”概念。将这些技术解决方案引入医疗预防行动，使所收集的数据数量出现了更大的爆炸。这就是在这种背景下探索大数据基础的原因。考虑到可穿戴设备的可用性，林贝里解释说
智能可穿戴个人系统应重量轻、功耗低、价格合理、可由非熟练人员操作、具有嵌入式处理和报警能力。
市场上可用的大多数可穿戴设备都符合这一描述。另外，虽然其中一些功能只提供一个功能，但也有一些功能包含多种综合操作，如健身跟踪、健康监测和消息显示。这是腕带基础手表的情况，它跟踪心率并提供有关健康和健康的信息。其他类型的小工具有智能皮带，智能服装，活动追踪器，智能眼镜，可食用的等等。
不同的可穿戴设备为不同的应用开发。
健康可穿戴设备
健康可穿戴设备的相关性得到了强调，提出的分类Dian等人。作者确定了四组可穿戴物联网(物联网)应用，包括最重要的研究内容。健康可穿戴设备是其中之一。另外三个是：(一)活动识别和运动；(二)跟踪和定位；(三)安全。这些设备的工作是基于三个步骤。第一个是传感器进行的与健康相关的数据捕获。Dian等人。还根据它们所监测的信号类型对传感器进行了分类：
- 生命体征监测：脉搏、呼吸频率和体温。
- 非生命体征监测：血压和血氧。
在第二步中，可穿戴设备在通过互联网(第三步)发送数据到后面的附加分析之前执行初步计算。在许多能够连接到智能手机的设备中都发现了另一种流程。在这些情况下，可穿戴设备与移动应用程序之间存在交互。一般来说，这样的应用程序使得可视化由卫生设备交换的数据成为可能。更专业的应用程序也可以提供有关用户健康的建议。在涉及智能手机中间操作的场景中，一个常见的组件是访问基于云的服务。可穿戴设备收集的数据被传输到那些存储、处理和运行对其进行分析的服务。
健康可穿戴设备也可分为两大类：健康治疗和康复以及健康监测。第一种是考虑帮助改善身体和精神病人能力的小工具。发表的作品纳夫和波斯托拉赫描述此类型设备的创新示例。作者提出了一种新的智能步行器，用于帮助有某种行动限制的人。它是一个物理治疗系统的一部分，以监测病人的实时.智能步行器架构的核心是一个微控制器，它通过Wi-Fi或3G/4G协议与云服务进行接口，并在互联网不可用时通过蓝牙与移动应用程序进行接口。通过这两个接口，步行者发送病人的移动数据，使理疗师能够对信息进行分析并相应地调整练习。云环境将所有数据存储在MySQL数据库中，Web应用程序访问数据，提供了另一种可视化方法。由于数据保存在云中，所以当互联网信号可用时，移动应用程序可以运行同步。
智能沃克图(左)，RFID(1)，IMU定位传感器(2)，力传感器(3)，距离传感器(4)，wi-fi(5)和蓝牙(6)；智能沃克原型(右)。
为帮助人们治疗和康复而开发的突破性可穿戴设备的另一个例子是智能可穿戴臂章。Yang等人。此设备不像前面描述的那样使用与云服务的任何连接。相反，智能臂章通过无线进行记录、预处理和向另一个智能训练设备发送信号。第二个组件运行离线培训的机器学习算法。一旦正确的动作被识别，训练设备将结果发送给嵌入在可穿戴臂章中的机器人手功能。该模块负责实时模拟用户的手势.作者认为，识别手势的准确率使得将用户的手运动意图转化为精确的手动命令成为可能。
智能可穿戴臂章。
第二类健康可穿戴设备转向监控操作。最近的工作利用可穿戴设备的发展来检测某些生理身体功能中的异常行为。一个有用的示例是一个可穿戴设备，它可以使用Jayanth等人。据作者介绍，该系统旨在帮助‘用户的家人和用户的医生有效地监测用户的健康，并在出现紧急情况时提醒他们。’这个小工具的主要思想是在启动时确定心跳阈值–最小阈值和最大阈值。此后，每当检测到异常心率时，系统就通过最近的可用Wi-Fi进行搜索并连接到它。一旦建立了连接，它就会通过电子邮件将异常率通知家庭成员和医生。同样，可穿戴设备也会触发一个振动器来警告用户。
最后印刷电路板(PCB)装置，用于测量心跳。
与人类心脏健康有关的问题一直在利用许多其他可穿戴设备的发展。基于多感官智能物联网的网络人类系统也是如此。Majumder等人。该系统被归类为多传感器，因为它从用户的脉搏和温度收集数据。可穿戴硬件负责此捕获，并将所有信息发送给Android应用程序。这种通信是通过蓝牙网络进行的，这种网络可以最大限度地减少功耗。移动应用程序处理设备发送的数据，并实时绘制心电图信号和体温。异常模式的识别是基于以前定义的一些参数，如心率。一旦可穿戴设备收集的数据达到一定的阈值，系统就会以消息或振动警报的形式向对象发送警告。Android应用程序不要求用户保存任何有关他/她健康状况的记录，因为它会立即警告用户任何检测到的异常。
可穿戴智能物联网设备。
其他类型的可穿戴设备正在破坏健康监测前沿领域的进步。它们旨在从用户体内收集数据。这就是他们被归类为可食用设备的原因。萨古纳姆和阿努莎描述了一种能够利用红外辐射产生血糖信息的智能药物。这项技术相当于一种帮助糖尿病患者监测血糖水平的非侵入性方法。这种辐射是由智能手机上的移动医疗应用程序捕获的。由于“血液中的葡萄糖浓度取决于辐射所特有波长的强度”，移动应用程序可以使用无线通道(Sargunam和Anissa)对其进行监测。在同样的趋势下，吉田等人设计了一种基于胃酸发电的平板型可摄取核心体温传感器，用于日常保健。使用自定义集成电路，他们制作了尺寸为10×8毫米(直径x高度)的平板。该装置能够根据胃酸功率编码、调制和传输体温数据。这些数据被一个远离20厘米的天线成功地接收到，并被正确解码。
健康可穿戴挑战
可穿戴技术面临着其发展所带来的特殊挑战。魏他指出，
“与平板电脑和智能手机不同的是，平板电脑和智能手机的特点和形式更加标准化，而可穿戴市场则要多样化得多，因为它是由许多不同的细分市场驱动的。”
健康可穿戴设备也同样受到这一现实的影响。指出了这种内在的麻烦。林贝里。他说，
目前在营销集成、多传感器、智能处理和报警方面没有智能可穿戴系统，以支持医疗决策，并在任何时候与卫生服务提供商进行轻松交互。“
考虑到这种情况，在专门的文献中报告了可穿戴设备面临的一些共同挑战。
传感器的数据分辨率就是这些挑战之一。通常，可穿戴设备必须是小的，舒适的使用，经济考虑功耗。这些要求对它们达成的决议有直接影响，特别是与其他类型的设备相比。对于健康可穿戴设备，其重点一般是帮助衰弱的人，数据可视化的质量可以创造一个更复杂的权衡与引用的要求。与涉及数据解析的问题相关，Dian等人指出功耗和耐磨性是另外两个挑战。健康可穿戴设备必须长时间运行，因为它们本质上是监控用户信息或支持康复的。然后，它被认为是一个最小的相互作用，以取代电池。吴等人探索了一种基于灵活太阳能收割机的机制，他们使用多传感器健康可穿戴设备实现了24小时的自主工作。关于可穿戴性，Dian等人解释说
“计算的复杂性和可穿戴设备的重量之间的权衡是主要的挑战之一。”补充这个问题，魏他补充说，这种设备的设计必须考虑到“消费者将更有可能采用时尚的可穿戴设备”。
在文献中，安全和安保也被视为健康可穿戴设备的典型挑战。安全与使用这种装置的用户的射频辐射水平有关。根据瓦希德尼亚和迪安，这是由于蜂窝物联网(CIOT)解决方案所使用的天线邻近。这些设备操纵的数据的安全性是另一个令人关切的问题。在这些小工具中通常实现的极简项目不赞成采用强大的安全策略。基于加密的数据保护的引入也是如此–它的不同之处在于“尽量保持系统的复杂性”(Dian等人)这种现实使得可穿戴设备很容易被黑客攻击。
缺乏适当的监管被认为是更广泛使用可穿戴解决方案的另一个障碍。虽然医疗器械没有受到这个问题的很多影响，但其他领域受到了很大的影响。一个例子是在体育运动中使用可穿戴设备的可能性，但由于缺乏具体的规则而受阻。再次提到安全方面，可穿戴连接上的数据隐私是常见的第七个挑战。威胁来源于可穿戴设备通常使用广播模式进行通信的事实。这有助于未经授权的设备捕获用户的私有数据。从健康数据分析的角度来看，可穿戴设备产生的最大数据量要么存储在孤立的系统中，要么存储在多个云解决方案中。这种现实构成了采用基于商业智能的复杂分析的一大障碍。因此，由于缺乏基于综合数据的反馈，用户失去了大量的价值信息。魏明确指出了这个问题，
“虽然最终用户仍然受益于收集到的数据的结果，但当这些数据匿名地与其他数据结合起来进行智能上下文处理时，将会感受到更大的影响。”
补充必须处理的内容，以使健康的可穿戴应用程序达到更高的用户满意度，林贝里列出了其他四个特性。首先，他主张病人应该能够将数据输入到可穿戴设备中。第二，必须在设备和保健提供者之间建立联系。第三,林贝里捍卫“特殊医疗算法”的发展，以整合从多个传感器接收的医学数据。第四，存在一个验证计划，智能可穿戴应用程序将提交到复杂的临床场景中。
健康可穿戴设备和大数据
根据Chen等人“可持续健康监测与健康数据密切相关。”提交人提出了两项支持这种说法的论点。前者与数据收集有关。有效的健康监测在很大程度上依赖于持续和长期的数据采集.后者是关于支持健康大数据分析的云智能的存在。正确地探讨从人口中产生的卫生数据的数量对于优化公共或私营卫生服务具有重要意义。所提出的战略Chen等人正在使用身体区域网络(BAN)作为收集大量健康数据的机制。与这些收集器相结合，大数据处理的应用程序必须在云环境中可用，并对捕获的数据进行操作。
基于智能服装的健康监测系统体系结构。
上述作者描述了用于可持续健康监测的智能服装，证明了这种架构的可行性。可穿戴装置由多个传感器组成：脉冲传感器、体温传感器、心电图传感器、心肌传感器、血氧传感器、脑电图传感器和电池。
这是所谓的移动健康云软件系统的第一个组件。所有收集的数据都被发送到一个移动应用程序(系统的第二个组件)，该应用程序实时显示用户的健康状况。该通信通过低功耗信道进行。第三个元素是云服务，接收由智能手机应用程序转发的数据。作者介绍了一个用于大数据分析的API。它为数据统计和机器学习图书馆提供功能，帮助预测用户健康的趋势。具体来说，他们使用Hadoop和SPark技术进行批处理，Storm用于流处理。对于机器学习算法，他们使用了SparkMLlib和Mathout库中可用的实现。在这个基础设施上开发了三个web应用程序：一个用于健康监测，另一个用于情感安慰，另一个用于人机交互。
通过数据集成，可以充分挖掘健康可穿戴设备产生的所有大数据的潜力。这是语义大数据平台的目的。Mezghani等人。该工作的核心是基于本体的概念，在医疗保健领域提供可穿戴知识作为服务(Kaas)。正如作者所述，拟议的本体旨在处理可穿戴数据的异构性，以确保语义互操作性，并允许创建更准确的患者知识。本体捕获的所有概念都映射到表示可穿戴设备域的类中。例如，定义了一个“参数”泛型类，用于指示所监视的数据性质。它的一些子类是“葡萄糖”、“血压”和“心率”。作者验证了将所开发的本体应用于糖尿病患者场景的策略。SPARQL技术提供了一个用于检索和查询语义知识的端点。
结语
在可穿戴设备这一主题上，人们观察到了重大的进步。这为在许多不同的情况下探索这种技术创造了无限的机会。从健康可穿戴解决方案的角度，确定了类似的趋势。然而，涉及新的应用程序的各种方法和战略带来了若干挑战。尤其是，彻底使用可穿戴设备收集的大量数据面临着与互操作性相关的严重障碍。因此，可以为更好地利用大数据来改善医疗服务和病人的健康做出创新性的贡献。
