面向老年人健康的非干预式感知与持续计算研究

Our country has entered the aging society in the 21st century. Till the end of 2012, the elderly people have taken up 14.3% of the whole population. It is also predicted that the number of elderly people will grow more rapidly in the coming 20 years. According to the characters and demands of elderly healthcare, we have built a team with researchers from multi-disciplines. Based on human body system theory and information theory, the project will address the sensing and computing approaches and techniques about elderly healthcare. The main research challenges s include non-intrusive health status sensing, multi-dimensional association analysis of continuous health data, the evaluation model of human health and the corresponding promotion approach. In this research, we will focus on the investigation of sensing and analyzing approaches, as well as the accuracy, effectiveness and suitability of the evaluation model. The novelty of this project is demonstrated through the following points: the approaches on non-intrusive continuous sensing of human health status and abnormal data stream detection and prediction, the elderly health evaluation model that combines systemization and personalization, as well as the context-aware health promotion method for people with limited ability. We will further build a prototype platform, which can be leveraged to validate the effectiveness of the approaches we propose. The research outcome will make contributions to the infrastructure and assisting services for addressing elderly healthcare problems in the aging society.

自本世纪以来，我国已进入老龄化社会，2012年末60岁以上老年人已占人口总数的14.3%，未来20年我国老年人口将进入快速增长期。本项目面向我国老年人健康特点与需求，组成多学科融合的研究团队，基于人体系统论与信息论，以面向老年人健康的感知与计算方法及其关键技术为主题，重点研究非干预式健康状态感知、持续性健康数据多维度关联分析、人体健康评估模型及其促进方法；注重解决感知与分析方法以及评估模型的准确性、高效性以及适应性等基本问题，可在日常生活环境下健康状态非干预式持续感知方法、健康数据流异常检测与预测方法、系统化与个性化结合的老年人健康评估模型以及面向能力受限群体的情境敏感健康促进方法等研究点上取得创新研究成果，并通过构建原型实现平台，实施典型实例验证，评测和提升研究成果的有效性，为服务我国老年人健康生活提供方法与技术支撑。

本项目面向我国老年人健康特点与需求，以人体系统论与信息论为指导，围绕老年人健康感知与计算所面临的挑战，注重解决非干预式感知、持续分析以及健康评估的准确性、高效性及适应性等瓶颈问题，取得以下主要研究成果：. 1）基于人体自组织系统理论的SIR模型。围绕健康医学模式，提出并深化了基于人体自组织系统理论的健康感知、计算与服务模型，即健康调节模型SIR，并从信息科学角度对SIR模型及其实现方法开展系列深入研究。 . 2）健康状态多模式非干预感知。针对老年人健康评估与促进需求，解决了健康状态紧密相关多体征参数的非干预精准感知问题。遵循“动静结合、昼夜互补”的思路，系统开展非干预式睡眠状态感知方法和步态感知方法研究，提出了基于胸冲击信号的睡眠生理数据感知方法，基于Wi-Fi CSI感知能力模型的多人睡眠状态可靠检测方法，基于超声波的高精度鲁棒性睡眠呼吸感知方法以及面向帕金森综合症的细粒度步态感知方法等。. 3）持续性健康数据多维度分析。深入研究了健康数据流异常检测与关联分析等重要问题，为老年人健康状态评估与辅助决策奠定基础。构建了面向实时数据流的异常检测模型，提出了基于模糊决策的多维健康数据流异常检测方法；构建了基于动态分割的多维数据流相关性分析机制，提出了基于语义模型和专家知识的健康语义提取方法；结合睡眠过程中心率、呼吸、体动等多维数据流开展了实例化研究与验证。. 4）人体健康状态评估与促进。深入研究了适合老年人需求和典型慢病特点的健康状态系统性个性化评估问题。融合睡眠模式、步态模式等多维健康语义，提出了数象结合的系统性健康状态评估模型，优化设计适应不同人体子系统与典型慢病（帕金森、呼吸睡眠障碍等）的健康状态个性化评估与自适应促进方法。. 项目累计发表学术论文62篇，其中VLDB Journal、Scientific Reports、ACM TIST等国际权威期刊论文33篇，AAAI、ACM SIGMOD、ACM UbiComp等国际重要会议论文29篇；完成专著1部，专题技术报告2份；申请发明专利14项（已授权3项）；获教育部自然科学奖二等奖1项、军队科技进步一等奖1项。项目组成员1人入选2019年度IEEE Fellow，1人获得2017年度陕西省青年科技新星。培养博士研究生10名，硕士研究生16名。