摘要：智能手机上的Edge计算已用于分析由多模式柔性可穿戴传感器贴片收集的数据，并检测心律不齐，咳嗽和跌倒。...

智能手机上的Edge计算已用于分析由多模式柔性可穿戴传感器贴片收集的数据，并检测心律不齐，咳嗽和跌倒。

可穿戴的传感器是可以戴在身体上并测量身体状态的设备。它们是物联网（IoT）的一部分，并显示出监测健康的巨大希望。这些传感器会生成大量数据，并且必须处理数据才能理解。在传感器或传感器连接到的设备上处理这些数据的计算字段 - 而不是在云上的远程服务器上连接 - 称为Edge Computing。边缘计算是可穿戴传感器技术的关键要素。

由北海道大学Kuniharu Takei领导的日本研究团队以及东京大学的Kohei Nakajima副教授，已经制作了一种灵活的多模式可穿戴传感器补丁和发达的Edge Computing软件，并能够检测心律失常，咳嗽，咳嗽，伴侣和自愿者的跌落。该传感器使用智能手机作为边缘计算设备，在《期刊》上发表的论文中进行了描述设备。

Takei解释说：“这项研究的目标是设计一个多模式传感器贴片，该贴片可以使用边缘计算处理和解释数据，并在日常生活中检测疾病的早期阶段。”

团队制造的传感器通过心电图（ECG），呼吸，皮肤温度和由汗水引起的湿度来监测心脏活动。在确认其长期使用的适用性后，将传感器集成到粘附于人体皮肤的柔性膜（传感器贴片）上。传感器补丁还包括一个蓝牙模块，可以连接到智能手机。

该团队首先测试了传感器贴片的能力，以检测3名志愿者的生理变化，这些志愿者将其戴在胸部。传感器斑块用于监测湿块球体温度（用于确定热应激可能性）22°C和超过29°C的志愿者的生命体征。 Takei解释说：“尽管我们的测试组很小，但我们可以在高温下监测时间序列监测过程中观察到它们的生命体征变化。这种观察最终可能导致早期热应激的识别症状。”

该团队制定了一项机器学习计划，以处理记录的数据，以检测其他症状，例如心律不齐，咳嗽和跌倒。 Nakajima阐述说：“除了在计算机上进行分析外，我们还为智能手机设计了一个边缘计算应用程序，可以执行相同的分析。我们实现了超过80％的预测准确性。”

Takei总结说：“这项研究的重大进展是使用智能手机的多模式灵活传感器，实时机器学习数据分析以及远程重要监控的整合。” “我们系统的一个缺点是不能在智能手机上进行培训，必须在计算机上进行；但是，可以通过简化数据处理来解决。”这项研究推进了用于远程医疗或远程诊断的基于修补的，边缘计算系统的概念。