IoMT–区块链框架：利用混合黑翼优化球形结构图卷积神经网络实现安全、实时的心脏病监测

《Scientific Reports》：IoMT–Blockchain framework for secure and real-time heart disease monitoring using hybrid black-winged optimized spherical structural graph convolutional neural networks

　　

摘要

心血管疾病是全球主要的健康问题，需要持续监测和准确的诊断机制以实现早期发现和预防。通过整合医疗物联网（IoMT）、深度学习和区块链技术，已经实现了能够实时评估心脏状况并增强医疗信息管理安全性的智能医疗系统。然而，现有的心脏病监测系统受到生理信号噪声的影响，特征提取效率低下，分类准确性有限，并且在分布式环境中的安全性不足，这促使人们开发出一种更加健壮、可靠且安全性更高的诊断框架。为了解决这些问题，本研究提出了一种基于IoMT和区块链的心脏病监测系统，该系统采用了混合黑翼球形结构图卷积神经网络（HBW-SSG-CNN）。该工作流程首先通过IoMT获取心电图（ECG）和脉搏血氧饱和度（PCG）信号，然后使用准交叉双边滤波（QCBF）进行预处理以抑制噪声同时保留关键的心脏结构。接下来利用基于频谱包络的自适应经验傅里叶分解（SE-AEFD）对信号进行分解，再通过短时四元数二次相位傅里叶变换（ST-QQPFT）提取特征。通过基于成功度的优化算法（SBOA）对特征维度进行优化，并采用混合结构图注意力网络与球形卷积神经网络（HS-GAT-SCNN）进行心脏病分类，进一步通过黑翼风筝算法（BWKA）进行增强。为了提高数据完整性和安全性，该系统结合了加权概率模型的自适应哈希算法（AHA-WPM）和适用于异构矿工的公平共识区块链（FCB-HM）。所提出的模型使用公开可用的基准数据集进行了评估，包括PhysioNet心脏信号数据集和Cleveland心脏病数据集。实验结果表明，该模型的准确率为99.21%，灵敏度为98.94%，特异性为99.08%，F1分数为99.02%，显示出优异的性能。这些结果证实，所提出的框架为基于IoMT的医疗系统提供了高度准确、可扩展且安全性得到提升的心脏病监测解决方案。