一种用于经济且准确血糖仪读数的移动-云计算集成方法

尽管在用于定期监测血液指标的先进无线医疗设备方面已做出重要努力，但在许多国家，这类设备并非人人可得或负担得起。作为替代，患者须手动将 data 录入移动健康监测应用。这引发了若干问题：(1) 据报道客户倾向于输入不真实的数据；(2) 每天多次输入数值十分繁琐，导致客户弃用移动应用。因此，强烈需要使用如今无处不在的智能手机，通过捕获医疗设备屏幕图像并自动提取有用信息来减少误差。然而，其开发面临若干挑战：(1) 数据稀缺导致方法实用性差且精度很低：据我们所知，此情形下仅有小规模数据集可用；(2) 精度-可用性权衡：可在手机上运行精度较低的算法以维持较高可用性，或将精度更高且计算密集的算法部署于云端，但在网络差或无连接情形下可用性降低。我们提出一种集成学习算法、一种移动-云计算服务架构以及一种简单压缩技术，通过融合云端与移动端预测，在提供更高精度的同时实现更高可用性与更快响应时间。此外，我们提出一种合成训练数据生成算法，便于利用深度学习模型提升精度。所提方法达成三个主要目标：(1) 在两个不同数据集上分别达到 92.1% 与 97.7% 精度，较先前方法提升 40%；(2) 带宽需求降低 45 倍且精度仅降 1%；(3) 相较仅移动端、仅云端、分割计算与早退出服务模型提供更好可用性。