4. 可穿戴与物联网传感层工程
传感层是数字疗法远程监测系统的“神经末梢”，它决定了后续所有算法与干预建议的数据质量上限。本节围绕生理信号采集原理、传感器选型、穿戴舒适性与依从性、数据预处理与边缘计算节点部署四条主线展开，目标是让读者能够从信号链的角度理解一个可穿戴监测节点是如何被设计、验证并部署到真实患者身上的。
一、生理信号采集原理：从生理量到数字量
可穿戴设备采集的生理信号本质上都是某种物理量或化学量的变化。以最典型的三类信号为例：光电容积脉搏波（PPG）利用血液对特定波长光吸收随脉搏容积变化而变化的特性，通过LED发光与光电二极管接收反射/透射光强，得到与心搏同步的交流分量；心电（ECG）通过体表电极拾取心肌去极化产生的电位差，典型幅度为0.5～4 mV；加速度（ACC）则通过MEMS惯性单元感知三轴运动，用于计步、姿态与睡眠分期。
无论哪种信号，采集链路都遵循同一套信号链：传感器换能 → 模拟前端调理（放大、滤波、偏置）→ 模数转换（ADC）→ 数字滤波与特征提取。以PPG为例，LED驱动电流通常为5～20 mA，光电二极管输出的电流信号经跨阻放大器转为电压，再经带通滤波（约0.5～5 Hz）保留脉搏基频与谐波，最后以25～100 Hz采样率量化。采样率必须满足奈奎斯特准则，同时要考虑功耗与存储的权衡：心率监测25 Hz足够，而脉搏波形态分析（如反射波增强指数）建议不低于100 Hz。
需要特别强调的是运动伪影。可穿戴场景下，患者走动、翻身、抓握都会在PPG与ACC上引入低频干扰，其频段常与脉搏基频（0.8～2.5 Hz）重叠，无法靠简单滤波分离。工程上通常采用自适应滤波，以ACC三轴合加速度作为参考信号，用最小均方（LMS）算法估计并扣除运动分量。这是传感层算法中最关键的一环，也是判断一款设备是否“能用”的分水岭。
二、传感器选型：按临床目标反推指标
选型不应从“哪个传感器便宜”出发，而应从临床终点反推。若目标是房颤筛查，则ECG通道的输入参考噪声应低于10 μV RMS，共模抑制比（CMRR）不低于80 dB，且需支持单导联或双导联；若目标是睡眠呼吸事件监测，则需PPG+ACC+血氧（SpO₂）组合，SpO₂精度在70%～100%区间内误差应控制在±3%以内。
下表给出一组教学示例参数，用于说明不同临床目标对传感指标的要求差异（数值为合理假设，非实测结果）：
| 临床目标 | 核心信号 | 关键指标示例 | 典型采样率 |
|---|---|---|---|
| 心率与心律监测 | PPG / ECG | 噪声<10 μV RMS，CMRR≥80 dB | 25～250 Hz |
| 睡眠分期 | PPG + ACC | ACC噪声密度<150 μg/√Hz | 25～50 Hz |
| 血氧趋势 | 双波长PPG | SpO₂误差≤±3%（70%～100%） | 25 Hz |
| 步态与跌倒 | 6轴IMU | 量程±8 g，零偏稳定性<0.1°/s | 50～100 Hz |
除电学指标外，还要评估佩戴位置与耦合质量。腕部PPG受腕骨与肌腱影响，信号质量波动大；指夹式PPG信噪比高但不适合长期佩戴；胸带ECG信号稳定但依从性差。选型本质上是信号质量与佩戴可行性的折中。
三、穿戴舒适性与依从性工程
依从性不是“患者愿不愿意戴”的心理问题，而是可以被工程参数影响的系统指标。影响依从性的可量化因素包括：设备重量（腕式设备建议<50 g）、表带透气性与皮肤接触面积、充电频率（建议≥5天续航）、以及是否影响日常动作（如洗手、打字）。
工程上常用佩戴时长占比（wear time ratio）作为依从性代理指标，定义为实际有效佩戴时间除以计划监测时间。若某患者计划监测7天，实际有效数据覆盖5.5天，则佩戴时长占比约78.6%。低于70%通常意味着数据不足以支撑周级别趋势分析，需要在干预方案中调整提醒策略或更换佩戴形式。
四、数据预处理与边缘计算节点部署
原始信号不能直接上传云端，原因有三：带宽、功耗与隐私。因此需要在边缘节点完成预处理。典型处理链为：去基线漂移 → 带通滤波 → 运动伪影抑制 → 峰值检测/特征提取 → 数据压缩或事件触发上传。
以PPG心率估计为例，边缘节点可先以0.5 Hz高通滤除呼吸与运动引起的基线漂移，再以5 Hz低通保留脉搏主频，随后用自适应滤波扣除ACC参考分量，最后用滑动窗（如8 s窗、2 s步进）做峰值检测并计算RR间期，输出心率与心率变异性指标。这样上传的数据量可从原始100 Hz×3通道降至每秒几个特征值，功耗与带宽下降两个数量级。
边缘计算节点的部署方式主要有三种：MCU级节点（如Cortex-M4F，适合滤波与简单特征）、应用处理器级节点（如Cortex-A系列，可跑轻量神经网络）、以及手机作为边缘网关（承担复杂算法与网络转发）。选择依据是算法复杂度、功耗预算与实时性要求。对于房颤筛查这类需要较高算力的任务，常见做法是MCU完成信号质量评估与特征提取，手机端完成分类模型推理，云端仅做长期趋势与医生复核。
部署时还需考虑信号质量评估（SQI）作为门控。常见做法是计算PPG的灌注指数（AC/DC比）与模板匹配相关系数，当SQI低于阈值时标记该段数据为无效，避免污染后续趋势。例如灌注指数低于0.2%或模板相关系数低于0.7时，可判定为低质量段，仅保留时间戳而不参与心率统计。
综合来看，传感层工程的核心不是单点器件的堆叠，而是围绕临床目标构建一条从换能、调理、预处理到边缘部署的完整信号链，并在信号质量、功耗、舒适性与依从性之间取得可验证的平衡。只有这条链路稳定，后续的远程监测与干预才具备可靠的输入基础。