陳娜群

寧波市婦女兒童醫(yī)院 設(shè)備科，浙江 寧波 315000

引言

醫(yī)療設(shè)備是醫(yī)院正常運行的必備條件，它在醫(yī)院的醫(yī)療、科研、教學(xué)中發(fā)揮著重要的作用[1-2]。隨著醫(yī)療行業(yè)的迅速發(fā)展，醫(yī)療設(shè)備的種類、數(shù)量不斷增多，做好醫(yī)療設(shè)備的科學(xué)化管理，充分發(fā)揮醫(yī)療設(shè)備最大的利用價值是醫(yī)院長遠(yuǎn)健康發(fā)展的重要條件。智慧醫(yī)療的迅速發(fā)展，對醫(yī)院醫(yī)療設(shè)備的精細(xì)化管理提出了新的要求。及時對醫(yī)療設(shè)備進(jìn)行定位，快速獲取醫(yī)療設(shè)備的位置，對保障臨床用械安全具有舉足輕重的作用[3-4]。

目前，對于醫(yī)療設(shè)備的定位已經(jīng)取得了一定的研究成果。邵文歡等[5]、梁冰[6]使用條形碼技術(shù)對醫(yī)療設(shè)備進(jìn)行管理，但該方法無法對設(shè)備進(jìn)行盤點以及實現(xiàn)流失設(shè)備的尋找；吳菊等[7]提出了一種利用射頻識別技術(shù)（Radio Frequency Identification，RFID）對醫(yī)療器械進(jìn)行定位，基于此設(shè)計了智能動態(tài)定位管理系統(tǒng)，該系統(tǒng)對設(shè)備進(jìn)行定位并實時顯示設(shè)備的使用狀況。

目前，國內(nèi)外大量學(xué)者研究了基于無線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）的醫(yī)療器械室內(nèi)定位系統(tǒng)，但大多數(shù)是絕對定位，即需要精確定位出醫(yī)療器械的坐標(biāo)位置。這類定位方法一般受障礙物的干擾嚴(yán)重，導(dǎo)致定位誤差較大，而且定位的代價偏高，不利于大規(guī)模部署。而實際應(yīng)用中無需定位到醫(yī)療器械的實際坐標(biāo)，僅需要知道醫(yī)療器械所屬房間編號即可，因此本文研究了一種醫(yī)療器械相對定位方法，定位醫(yī)療器械所屬的房間編號。

1 定位方法

本文提出一種基于WSN的醫(yī)療設(shè)備定位方法，采用LoRa傳感器節(jié)點構(gòu)建WSN。該方法利用Krigring插值算法對定位區(qū)域內(nèi)的信號強(qiáng)度（Received Signal Strength Indicator，RSSI）指紋進(jìn)行預(yù)測，然后將預(yù)測的RSSI指紋與對應(yīng)的病房號作為訓(xùn)練數(shù)據(jù)，利用深度信念網(wǎng)絡(luò)（Deep Belief Nets，DBN）進(jìn)行數(shù)據(jù)的訓(xùn)練，最后將安裝在醫(yī)療設(shè)備上的傳感器節(jié)點接收到的RSSI信號作為輸入數(shù)據(jù)，最終獲得醫(yī)療設(shè)備所在的具體的病房號，實現(xiàn)醫(yī)療設(shè)備的相對定位。

1.1 指紋定位方法

WSN指紋定位方法是一種基于RSSI的定位方法，WSN指紋定位方法通過在定位區(qū)域內(nèi)部署一定數(shù)量的且位置已知的傳感器節(jié)點（Micaz節(jié)點、LoRa節(jié)點等），傳感器節(jié)點向外發(fā)射出電磁波信號，電磁波信號將整個定位區(qū)域進(jìn)行覆蓋，由于電磁波信號存在路徑損耗，一定程度上表現(xiàn)出距離發(fā)射節(jié)點越遠(yuǎn)信號強(qiáng)度越弱的現(xiàn)象，因此定位區(qū)域中的每個位置的信號強(qiáng)度都是不同的[8-11]。WSN指紋定位方法利用信號強(qiáng)度差異性進(jìn)行定位區(qū)域RSSI指紋數(shù)據(jù)庫的構(gòu)建，從而實現(xiàn)指紋定位（圖1），其中Beacon節(jié)點作為位置已知的錨節(jié)點，Node節(jié)點是用于輔助建立指紋的節(jié)點，當(dāng)目標(biāo)節(jié)點進(jìn)入特定的定位區(qū)域時，可以通過目標(biāo)節(jié)點所接收到的RSSI值與定位指紋庫進(jìn)行對比匹配而實現(xiàn)定位[12]。

圖1 WSN指紋定位方法建模圖

1.2 Krigring插值算法

Krigring插值算法由南非的一位采礦工程師于1951提出，該算法是一種求最優(yōu)、線性和無偏的空間內(nèi)插法[13-16]。Krigring插值算法可對周圍的測量值進(jìn)行加權(quán)以得到未測量位置的值[17]。該算法與反距離權(quán)重法相類似，常用的Krigring插值算法計算公式由數(shù)據(jù)的加權(quán)總和組成，其公式如式(1)所示。

式中，N表示測量值的數(shù)量；λi表示第i個位置處測量值的權(quán)重，該值由測量點與預(yù)測位置的距離以及預(yù)測位置周圍的測量值決定；Z(Si)表示第i個位置處的實際測量值。

1.3 深度信念網(wǎng)絡(luò)

DBN是在2006年由Hinton提出，它是一種生成模型，網(wǎng)絡(luò)訓(xùn)練是對神經(jīng)元間的權(quán)重做訓(xùn)練，使得整個網(wǎng)絡(luò)能夠以最大概率對用于訓(xùn)練的樣本數(shù)據(jù)進(jìn)行生成，DBN常用于數(shù)據(jù)的分類以及數(shù)據(jù)的生成[18-21]。DBN由多層網(wǎng)絡(luò)構(gòu)成，每層網(wǎng)絡(luò)中包含神經(jīng)元可以分為顯性神經(jīng)元和隱性神經(jīng)元，一般顯性神經(jīng)元用來輸入數(shù)據(jù)，隱性神經(jīng)元用來提取特征。DBN的頂層網(wǎng)絡(luò)，理論上是可以選擇很多算法，如SVM、Softmax、HMM、Logistic、Linear等。在本文的定位應(yīng)用中，選擇Softmax作為頂層網(wǎng)絡(luò)[22],見圖2。

圖2 DBN+Softmax的網(wǎng)絡(luò)結(jié)構(gòu)

1.4 醫(yī)療設(shè)備定位的數(shù)據(jù)準(zhǔn)備

本研究在醫(yī)療設(shè)備定位實驗中每層樓布置10個LoRa節(jié)點，共3層，一共30個節(jié)點，每層共有10個房間，共30個房間。將每個LoRa節(jié)點接收到的信號都作為特征輸入DBN神經(jīng)網(wǎng)絡(luò)中用來定位設(shè)備的精確位置，30個LoRa節(jié)點，那么每一個醫(yī)療設(shè)備都可以獲得一個30維的特征向量。為了將DBN輸出的值和醫(yī)療器械所對應(yīng)的房間相對應(yīng)，需要對房間和DBN輸出值做映射。假設(shè)一共有1～30號30個房間，那么DBN的輸出則是一個30維向量，每一個值代表醫(yī)療設(shè)備在該房間的概率。為了訓(xùn)練DBN，首先需要準(zhǔn)備訓(xùn)練樣本，在一個房間內(nèi)的多個位置測試該位置的LoRa信號，然后通過Krigring插值法近似獲得該房間各個位置的信號強(qiáng)度。

2 結(jié)果

2.1 Krigring插值法

為了驗證Krigring插值方法的有效性，本研究設(shè)計了多個方法來采集數(shù)據(jù)。首先將一個房間網(wǎng)格化，一個房間變成一個3×5的網(wǎng)格，采集其中某些網(wǎng)格的傳感器數(shù)據(jù)，插值余下網(wǎng)格的傳感器數(shù)據(jù)就可以得到整個房間的傳感器數(shù)據(jù)。

插值得到的數(shù)據(jù)和采集得到的真實數(shù)據(jù)的誤差采用均方根誤差（Root Mean Squared Error，RMSE）衡量，RMSE的定義如公式(2)所示。

式中，Z(xi)表示插值所得值，yi表示實際測量值。

圖3 數(shù)據(jù)采集點和插值點位置示意圖

采集點過少會使插值點誤差過大，從而導(dǎo)致RMSE過大，方法1得到的RMSE值為0.524，方法2得到的RMSE值為0.377，方法3和方法4都取得幾乎一致的RMSE，RMSE值分別為0.235和0.234，本文采用方法3來采集數(shù)據(jù)。

對每個房間采集5個位置，插值10個位置，共15個位置。在采集數(shù)據(jù)時每個位置相對于30個LoRa節(jié)點的信號都一起采集，每一層采集10個房間。

2.2 DBN定位結(jié)果

本研究設(shè)計了4種DBN網(wǎng)絡(luò)結(jié)構(gòu)來進(jìn)行醫(yī)療器械設(shè)備的定位，結(jié)構(gòu)如表2所示。

表2 4種DBN網(wǎng)絡(luò)結(jié)構(gòu)的設(shè)計

在訓(xùn)練之前將訓(xùn)練數(shù)據(jù)按照1：1的比例隨機(jī)分成兩份，其中一份作為訓(xùn)練集，一份作為測試集。

4個神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練結(jié)果如圖4所示，可以看出DBN_4訓(xùn)練收斂慢于其他幾個網(wǎng)絡(luò)，并且在訓(xùn)練過程中DBN_4的訓(xùn)練集準(zhǔn)確率抖動較明顯，測試集的準(zhǔn)確率也不高。4種模型的訓(xùn)練和測試準(zhǔn)確率如表3所示，DBN_6和DBN_10在測試集和訓(xùn)練集準(zhǔn)確率上的差別不是很大；DBN_18雖然在取得了99.38%的訓(xùn)練集準(zhǔn)確率，但是測試集準(zhǔn)確率只有93.89%，說明網(wǎng)絡(luò)出現(xiàn)了過擬合的現(xiàn)象；綜合來看，DBN_10取得了最佳的結(jié)果。上述現(xiàn)象的出現(xiàn)可能是因為較小的網(wǎng)絡(luò)模型擬合能力不夠強(qiáng)，導(dǎo)致訓(xùn)練集準(zhǔn)確率不高，較大的網(wǎng)絡(luò)模型太復(fù)雜，容易出現(xiàn)過擬合現(xiàn)象。

圖4 4種DBN網(wǎng)絡(luò)模型的訓(xùn)練結(jié)果

表3 4種DBN網(wǎng)絡(luò)模型在測試集和訓(xùn)練集上的準(zhǔn)確率（%）

2.3 不同數(shù)量的傳感器對定位結(jié)果的影響

在上文的結(jié)果中每一層樓道都布置了10個傳感器，為了探究傳感器的數(shù)量對實驗結(jié)果的影響，本研究做了以下試驗，具體如圖5所示。對于10個傳感器，每一組分為激活傳感器和凍結(jié)傳感器，激活傳感器的數(shù)據(jù)拿來做訓(xùn)練識別，而凍結(jié)傳感器的數(shù)據(jù)不予使用。

圖5 傳感器數(shù)據(jù)的選取

由表4可知當(dāng)傳感器數(shù)量為8時，DBN_10在測試集上取得了最佳的97.45%的準(zhǔn)確率，在訓(xùn)練集上取得了最佳的98.98%準(zhǔn)確率；當(dāng)傳感器數(shù)量為5時，DBN_6在測試集上取得了最佳的96.83%的準(zhǔn)確率，DBN_10在訓(xùn)練集上取得了最佳的98.20%的準(zhǔn)確率；當(dāng)傳感器數(shù)量為4時，DBN_6在測試集上取得了最佳的95.68%的準(zhǔn)確率，DBN_6在訓(xùn)練集上取得了最佳的96.37%的準(zhǔn)確率；當(dāng)傳感器數(shù)量為2時，DBN_10在測試集上取得了最佳的84.74%的準(zhǔn)確率，DBN_10在訓(xùn)練集上取得了最佳的86.35%的準(zhǔn)確率。

表4 4種DBN網(wǎng)絡(luò)模型在測試集和訓(xùn)練集上的準(zhǔn)確率（%）

在傳感器數(shù)量減少的過程中定位的精度緩慢下降，這說明隨著有效信息的減少，網(wǎng)絡(luò)模型的定位精度慢慢減小。

2.4 不同方法定位結(jié)果的分析

為了對比實驗結(jié)果，本研究還選取了SVM、Softmax和Decision Trees方法來對醫(yī)療器械設(shè)備進(jìn)行定位。實驗結(jié)果如表5所示。

表5 3種不同方法在測試集和訓(xùn)練集上的準(zhǔn)確率（%）

從表5中的結(jié)果可以看出不論是測試集準(zhǔn)確率還是訓(xùn)練集準(zhǔn)確率，SVM、Softmax和Decision Trees方法均出現(xiàn)了不同程度的下降。

從圖6中可以看出，不論是在測試集還是在訓(xùn)練集上的定位精度，DBN_10都取得了最佳的檢測結(jié)果。隨著傳感器數(shù)量的減少，SVM、Softmax和Decision Trees方法不論在測試集還是在訓(xùn)練集上的定位精度都出現(xiàn)了明顯的下降，并且下降的程度大于DBN_10方法，說明DBN_10方法魯棒性更強(qiáng)。

圖6 4種定位方法在多種傳感器數(shù)量下的定位精度

3 討論

本文研究了一種醫(yī)療器械相對定位方法，定位醫(yī)療器械所在的房間編號。該方法通過測試加Krigring插值法構(gòu)建定位指紋，然后通過指紋匹配方法獲得定位結(jié)果。同時為提高定位精度、降低部署成本，本文提出了一種有效的WSN部署方法。實驗結(jié)果表明4種DBN模型中DBN_10取得了最佳的結(jié)果。較小的網(wǎng)絡(luò)模型擬合能力欠缺，較大的網(wǎng)絡(luò)模型會出現(xiàn)過擬合。在本文研究方法中傳感器數(shù)量減少的過程中定位的精度緩慢下降，這說明隨著有效信息的減少，網(wǎng)絡(luò)模型的定位精度慢慢減小。

國內(nèi)外對于醫(yī)療設(shè)備定位系統(tǒng)的研究基本同步。Shirehjini等[23]提出了一種醫(yī)療設(shè)備定位系統(tǒng)，該系統(tǒng)利用RFID對設(shè)備進(jìn)行定位，系統(tǒng)將RFID標(biāo)簽安裝在醫(yī)療設(shè)備中，并在醫(yī)院關(guān)鍵區(qū)域安裝RFID閱讀器，閱讀器將獲得的動態(tài)數(shù)據(jù)實時發(fā)送至控制終端，控制終端進(jìn)行醫(yī)療器械的位置計算。Ro等[24]利用RFID技術(shù)在醫(yī)院中安裝了實時定位系統(tǒng)，該系統(tǒng)能夠及時將病人在手術(shù)過程中的身體狀況上傳至系統(tǒng)，通過該系統(tǒng)對病人身體狀況進(jìn)行數(shù)據(jù)的采集，以此改善手術(shù)中醫(yī)生的手術(shù)流程。

筆者發(fā)現(xiàn)，實際應(yīng)用中無需定位到醫(yī)療器械的實際坐標(biāo)，僅需要知道醫(yī)療器械所屬房間編號即可，因此本文研究了一種醫(yī)療器械相對定位方法，定位醫(yī)療器械所屬的房間編號。相較于絕對定位，本方法具有受障礙物干擾小、定位代價小、有利于大規(guī)模部署等優(yōu)點。

本文通過設(shè)計一種基于WSN的醫(yī)療設(shè)備定位方法，利用Krigring插值算法對定位區(qū)域內(nèi)的RSSI指紋進(jìn)行預(yù)測，將預(yù)測的RSSI指紋與對應(yīng)的病房號作為訓(xùn)練數(shù)據(jù)，利用DBN進(jìn)行數(shù)據(jù)的訓(xùn)練，最后將安裝在醫(yī)療設(shè)備上的傳感器節(jié)點接收到的RSSI信號作為輸入數(shù)據(jù)，最終獲得醫(yī)療設(shè)備所在的具體的病房號，實現(xiàn)醫(yī)療設(shè)備的相對定位。

本文的研究方法雖然在定位精度上取得了較好的結(jié)果，但是用WSN對醫(yī)療設(shè)備進(jìn)行定位時，需構(gòu)建RSSI向量指紋，然而當(dāng)醫(yī)院環(huán)境發(fā)生較大變化時，對醫(yī)療設(shè)備的定位精度具有一定的影響，因此下一步可以繼續(xù)完善RSSI向量指紋構(gòu)建技術(shù)以提高系統(tǒng)的魯棒性。

4 結(jié)論

醫(yī)療設(shè)備是醫(yī)院進(jìn)行正常醫(yī)療工作的必要條件，由于醫(yī)院和醫(yī)療器械產(chǎn)業(yè)的快速發(fā)展，醫(yī)療設(shè)備的種類、數(shù)量不斷增多，為解決醫(yī)療設(shè)備的科學(xué)化管理，快速定位預(yù)使用的醫(yī)療設(shè)備的相對位置，本文利用目前的電子信息技術(shù)開發(fā)并設(shè)計了一套醫(yī)療器械相對定位方法，實現(xiàn)對醫(yī)療設(shè)備的定位，快速獲取醫(yī)療設(shè)備的位置，有利于醫(yī)療設(shè)備的精細(xì)化管理，保障臨床用械安全。