張宏慶，賈利

（濰坊市益都中心醫(yī)院設(shè)備科，山東青州 262500）

人工智能(Artificial Intelligence)算法[1-6]和5G(5th-Generation)通信[7-10]技術(shù)是目前發(fā)展最快也是最具研究和應(yīng)用價值的技術(shù)，它們的有效應(yīng)用可以提高人類的生活質(zhì)量和減少損耗。文中針對現(xiàn)在醫(yī)療設(shè)備存在的通信延遲率高、處理數(shù)據(jù)慢、嚴(yán)重影響到了醫(yī)生對患者病因的診斷效率和準(zhǔn)確性等問題，將人工智能算法和5G 通信技術(shù)應(yīng)用到醫(yī)療設(shè)備領(lǐng)域，設(shè)計了一套基于人工智能[11-13]與5G 通信的醫(yī)療檢測設(shè)備管理系統(tǒng)。

設(shè)計的系統(tǒng)采用各類傳感器采集病患身體各類生理數(shù)據(jù)，例如心跳、體溫等，通過5G 通信技術(shù)將傳感器采集的數(shù)據(jù)發(fā)送到分析平臺，平臺采用人工智能算法快速地對數(shù)據(jù)進(jìn)行分析和處理，將分析出來的數(shù)據(jù)使用5G 通信技術(shù)傳輸?shù)脚R床醫(yī)生處或者醫(yī)院管理層處，為各種治療和決策提供有效的數(shù)據(jù)支撐[14-16]。經(jīng)過試驗證明，設(shè)計的基于人工智能與5G通信的醫(yī)療檢測設(shè)備管理系統(tǒng)有助于縮短醫(yī)療設(shè)備之間通信延遲、提高數(shù)據(jù)處理能力，有效提高了醫(yī)生的診斷效率和準(zhǔn)確性。

1 物聯(lián)網(wǎng)系統(tǒng)

構(gòu)建完備的設(shè)備間的物聯(lián)網(wǎng)系統(tǒng)是5G 通信環(huán)境中物聯(lián)網(wǎng)技術(shù)應(yīng)用的關(guān)鍵。在5G 應(yīng)用環(huán)境中，繞過基站或通信接入點，通過蜂窩資源、Wi-Fi 或藍(lán)牙技術(shù)建立設(shè)備之間的直接連接，實現(xiàn)中繼通訊。

醫(yī)用物聯(lián)網(wǎng)在5G 網(wǎng)絡(luò)場景中的應(yīng)用仍然需要面對許多嚴(yán)峻的挑戰(zhàn)，例如異構(gòu)環(huán)境中的有效設(shè)備發(fā)現(xiàn)與使用、針對高度動態(tài)的多用戶網(wǎng)絡(luò)的優(yōu)化鏈路選擇、網(wǎng)絡(luò)安全問題等。

考慮到醫(yī)用物聯(lián)網(wǎng)的應(yīng)用場景，文中首先設(shè)計了基于溫度傳感器、心跳心率傳感器、重力測步傳感器的醫(yī)療數(shù)據(jù)采集終端網(wǎng)絡(luò)。通過監(jiān)測模塊、各種傳感器、STM32 單片機(jī)、5G 無線通信、分析平臺、控制模塊等設(shè)備，應(yīng)用模塊化的設(shè)計思想構(gòu)建基于人工智能與5G 通信的醫(yī)療檢測設(shè)備管理系統(tǒng)，系統(tǒng)的架構(gòu)如圖1 所示。設(shè)計的系統(tǒng)采用溫度測控模塊、心率測控模塊、重力測控模塊、物聯(lián)網(wǎng)分析平臺、電腦或手機(jī)等終端設(shè)備，實時監(jiān)測病患的生理特征情況。測量數(shù)據(jù)通過5G 通信技術(shù)實時上傳并保存在分析平臺上，平臺分析得出的結(jié)論，同時將其分享給病患和醫(yī)療人員。當(dāng)病患出現(xiàn)異常情況時，醫(yī)療人員可以第一時間獲取病患的各種病情數(shù)據(jù)，便于醫(yī)療人員制定合適有效的治療方案。

圖1 智能醫(yī)療檢測設(shè)備管理系統(tǒng)

1.1 物聯(lián)網(wǎng)分析平臺

物聯(lián)網(wǎng)分析平臺是在中國移動物聯(lián)網(wǎng)公司研發(fā)的開放平臺的基礎(chǔ)上進(jìn)行自我所需的開發(fā)，采用這個開放平臺的原因是該平臺可以為醫(yī)療檢測設(shè)備管理系統(tǒng)提供良好的物聯(lián)網(wǎng)領(lǐng)域的技術(shù)支持，確保病患的各項生理特征數(shù)據(jù)的存儲、分析、數(shù)據(jù)和信息傳輸?shù)牡统杀靖咝н\行。數(shù)據(jù)處理部分采用自主研發(fā)的人工智能算法進(jìn)行快速的處理數(shù)據(jù)，便于節(jié)省時間。

1.2 溫度傳感器

體溫是衡量人體健康的重要指標(biāo)，設(shè)計的系統(tǒng)中采用進(jìn)口的DS18B20 高精度溫度傳感器，可以直接將溫度模擬信號轉(zhuǎn)換成數(shù)字信號，只需要用數(shù)據(jù)線就可以直接連接在單片機(jī)上，耗費的資源少，這款溫度傳感器的測量范圍在-55～+125 ℃之間，在人體正常溫度范圍內(nèi)的測量精度可以達(dá)到±0.5 ℃，完全滿足體溫測量的需要，電路原理如圖2 所示。

圖2 溫度傳感器電路圖

1.3 心跳心率傳感器

為準(zhǔn)確檢測出心臟類疾病，文中設(shè)計了一款基于電容式傳感器的心跳心率傳感器，其由兩個絕緣的內(nèi)電極和外電極組成，兩電極之間填充介電常數(shù)為ε的電解質(zhì)，傳感器之間的電容量為：

心率數(shù)據(jù)采集傳感器原理如圖3 所示。

圖3 心率采集傳感器電路圖

1.4 重力測步傳感器

重力測步傳感器采用廣泛應(yīng)用于電子設(shè)備的重力感應(yīng)器對病患的行走步數(shù)進(jìn)行計數(shù)，以達(dá)到動態(tài)檢測病患身體是否健康的目的，采用彈性敏感元件和彈簧來驅(qū)動電觸點，完成重力變化到電信號的轉(zhuǎn)換，其電路如圖4 所示。

圖4 重力感應(yīng)器原理圖

1.5 電源電路模塊

為保證硬件網(wǎng)絡(luò)的穩(wěn)定運行，文中使用ASM1117-3.3 穩(wěn)壓芯片設(shè)計硬件設(shè)備電源，該型號的芯片具有眾多優(yōu)勢，其輸出的電壓相對穩(wěn)定，可以對系統(tǒng)的正常工作提供保障。穩(wěn)壓電路原理如圖5 所示。

圖5 穩(wěn)壓電路原理圖

2 人工智能算法

在基于多種傳感器的物聯(lián)網(wǎng)硬件網(wǎng)絡(luò)上，正確、高效地識別大量數(shù)據(jù)中的有用信息，是醫(yī)療檢測系統(tǒng)正常工作的關(guān)鍵。文中基于神經(jīng)網(wǎng)絡(luò)，建立了一套智能數(shù)據(jù)挖掘的算法體系。

數(shù)據(jù)挖掘是從大型數(shù)據(jù)集中提取隱藏信息的過程，存在許多不同的方法。數(shù)據(jù)挖掘技術(shù)不僅需要特定類型的數(shù)據(jù)結(jié)構(gòu)，而且需要依據(jù)算法構(gòu)造特定的處理流程。文中基于對醫(yī)療信息的考量，使用ANN 神經(jīng)網(wǎng)絡(luò)，建立數(shù)據(jù)挖掘的流程。為實現(xiàn)對數(shù)據(jù)的準(zhǔn)確處理，首先對傳感器系統(tǒng)的硬件進(jìn)行特征提取，然后將處理后的標(biāo)準(zhǔn)化數(shù)據(jù)輸入神經(jīng)網(wǎng)絡(luò)模型，最終實現(xiàn)對醫(yī)療數(shù)據(jù)的準(zhǔn)確識別。

2.1 特征提取

傳感器采集數(shù)據(jù)之后，數(shù)據(jù)一般有包含以下幾個特征：微分熵(DE)、有理不對稱(RASM)、能譜(ES)和微分不對稱(DASM)。

微分熵的作用是量化變量的概率不確定性總量分布，某一頻率帶能譜的對數(shù)等于微分熵，ES 是信號 在Delta(2～3 Hz)、Theta(4～6 Hz)、Alpha(7～12 Hz)、Beta(13～29 Hz)、Gamma(32～49 Hz)（誤差±1）這5 個頻率帶上面的平均能量，因此文中以微分熵作為這5 個頻率帶的特征。

不對稱性(ASM)由有理不對稱和微分不對稱組成，DASM的定義為：

RASM的定義為：

式中，DASM和RASM分別代表28 對數(shù)據(jù)的微分熵的差和比的特征。

采用梯度下降法平滑上述特征，模型的計算公式如下：

式中，zn是電腦的原始特征觀測變量，xn為隱變量，B代表隱變量轉(zhuǎn)移矩陣；Γ、Σ 是神經(jīng)網(wǎng)絡(luò)模型的參數(shù)，C是模型的發(fā)射矩陣。

2.2 人工智能算法模型

神經(jīng)網(wǎng)絡(luò)模型(Adaptive Neural Network,ANN)是在BP(Back-Propagation)神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上改進(jìn)而來的。文中設(shè)計的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)如圖6 所示。

圖6 自適應(yīng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

從圖6 可以得出，ANN 網(wǎng)絡(luò)在tn時，激勵輸出的加權(quán)和如下：

第j層第l節(jié)的激勵輸出為：

其中，f(x)是神經(jīng)網(wǎng)絡(luò)中廣泛使用的激勵函數(shù)。

神經(jīng)網(wǎng)絡(luò)在tn時刻全部的MSE為：

di(tn)是第i個神經(jīng)節(jié)點在tn時刻時的期望輸出，采用大多數(shù)情況下的梯度下降算法來減小誤差E(tn)：

神經(jīng)網(wǎng)絡(luò)中采用鏈?zhǔn)椒ㄟM(jìn)行權(quán)值參數(shù)的調(diào)整：

又因為：

定義：

則有：

采用相同的方法進(jìn)行延遲參數(shù)的修正：

為減少神經(jīng)網(wǎng)絡(luò)模型識別時存在的誤差，對權(quán)值和延遲進(jìn)行了修正，從而可以獲得更準(zhǔn)確的參數(shù)。

3 仿真實驗

文中設(shè)計了實驗驗證系統(tǒng)以測試所設(shè)計醫(yī)療檢測設(shè)備管理系統(tǒng)的性能。首先，比較所設(shè)計的人工智能算法和文獻(xiàn)方法的數(shù)據(jù)處理時間消耗情況，證明了所提人工智能算法的優(yōu)越性。

從圖7 中可以看出，在處理數(shù)據(jù)量比較小時，設(shè)計的人工智能算法和其他文獻(xiàn)中提出的算法在數(shù)據(jù)處理的時間方面，其性能不相上下。但是當(dāng)數(shù)據(jù)量達(dá)到一個閾值時，這幾種算法處理數(shù)據(jù)的耗時發(fā)生了明顯的改變，設(shè)計的人工智能算法耗時的增速變化比較緩慢，其他文獻(xiàn)中提出的幾種算法耗時量都出現(xiàn)了不同程度的急劇增加，特別是文獻(xiàn)[14]提出的算法耗時增加的最多?？梢钥闯?，設(shè)計的人工智能算法的優(yōu)越性較為顯著，可以滿足系統(tǒng)實時性的要求。

圖7 數(shù)據(jù)處理算法效率圖

對系統(tǒng)綜合性能進(jìn)行實驗成功率測試與分析，結(jié)果如表1 所示。

表1 系統(tǒng)實驗成功率

從表1可以看出，當(dāng)實驗次數(shù)較少時，系統(tǒng)實驗成功率可以高達(dá)95%。隨著實驗次數(shù)的增加，成功率有所降低，總體性能可以滿足準(zhǔn)確性要求。通過實時性和準(zhǔn)確率這兩方面的實驗結(jié)果可以看出，設(shè)計的基于人工智能與5G 通信的醫(yī)療檢測設(shè)備管理系統(tǒng)的性能較為良好，能夠滿足醫(yī)療領(lǐng)域的用戶需求。

4 結(jié)束語

文中分別從人智能算法建模和物聯(lián)網(wǎng)系統(tǒng)兩個方面設(shè)計了基于人工智能與5G 通信的醫(yī)療檢測設(shè)備管理系統(tǒng)，系統(tǒng)采用分布在病患身上的各類傳感器采集病患生理特征數(shù)據(jù)，采用5G 高速通信技術(shù)將傳感器采集的數(shù)據(jù)發(fā)送到分析平臺，分析平臺采用人工智能算法快速地對數(shù)據(jù)進(jìn)行分析和處理，將分析出來的數(shù)據(jù)使用5G 通信傳輸?shù)脚R床醫(yī)生或者醫(yī)院管理層，為各種治療和決策提供數(shù)據(jù)支撐。經(jīng)過試驗證明，文中設(shè)計的基于人工智能與5G 通信的醫(yī)療檢測設(shè)備管理系統(tǒng)有助于解決醫(yī)療設(shè)備之間通信延遲，處理數(shù)據(jù)慢等問題，有效提高了醫(yī)生對患者病因的診斷效率和準(zhǔn)確性。