基于人工智能与5G通信的医疗检测设备管理系统设计

张宏庆，贾利

（潍坊市益都中心医院设备科，山东青州 262500）

人工智能(Artificial Intelligence)算法[1-6]和5G(5th-Generation)通信[7-10]技术是目前发展最快也是最具研究和应用价值的技术，它们的有效应用可以提高人类的生活质量和减少损耗。文中针对现在医疗设备存在的通信延迟率高、处理数据慢、严重影响到了医生对患者病因的诊断效率和准确性等问题，将人工智能算法和5G 通信技术应用到医疗设备领域，设计了一套基于人工智能[11-13]与5G 通信的医疗检测设备管理系统。

设计的系统采用各类传感器采集病患身体各类生理数据，例如心跳、体温等，通过5G 通信技术将传感器采集的数据发送到分析平台，平台采用人工智能算法快速地对数据进行分析和处理，将分析出来的数据使用5G 通信技术传输到临床医生处或者医院管理层处，为各种治疗和决策提供有效的数据支撑[14-16]。经过试验证明，设计的基于人工智能与5G通信的医疗检测设备管理系统有助于缩短医疗设备之间通信延迟、提高数据处理能力，有效提高了医生的诊断效率和准确性。

1 物联网系统

构建完备的设备间的物联网系统是5G 通信环境中物联网技术应用的关键。在5G 应用环境中，绕过基站或通信接入点，通过蜂窝资源、Wi-Fi 或蓝牙技术建立设备之间的直接连接，实现中继通讯。

医用物联网在5G 网络场景中的应用仍然需要面对许多严峻的挑战，例如异构环境中的有效设备发现与使用、针对高度动态的多用户网络的优化链路选择、网络安全问题等。

考虑到医用物联网的应用场景，文中首先设计了基于温度传感器、心跳心率传感器、重力测步传感器的医疗数据采集终端网络。通过监测模块、各种传感器、STM32 单片机、5G 无线通信、分析平台、控制模块等设备，应用模块化的设计思想构建基于人工智能与5G 通信的医疗检测设备管理系统，系统的架构如图1 所示。设计的系统采用温度测控模块、心率测控模块、重力测控模块、物联网分析平台、电脑或手机等终端设备，实时监测病患的生理特征情况。测量数据通过5G 通信技术实时上传并保存在分析平台上，平台分析得出的结论，同时将其分享给病患和医疗人员。当病患出现异常情况时，医疗人员可以第一时间获取病患的各种病情数据，便于医疗人员制定合适有效的治疗方案。

图1 智能医疗检测设备管理系统

1.1 物联网分析平台

物联网分析平台是在中国移动物联网公司研发的开放平台的基础上进行自我所需的开发，采用这个开放平台的原因是该平台可以为医疗检测设备管理系统提供良好的物联网领域的技术支持，确保病患的各项生理特征数据的存储、分析、数据和信息传输的低成本高效运行。数据处理部分采用自主研发的人工智能算法进行快速的处理数据，便于节省时间。

1.2 温度传感器

体温是衡量人体健康的重要指标，设计的系统中采用进口的DS18B20 高精度温度传感器，可以直接将温度模拟信号转换成数字信号，只需要用数据线就可以直接连接在单片机上，耗费的资源少，这款温度传感器的测量范围在-55～+125 ℃之间，在人体正常温度范围内的测量精度可以达到±0.5 ℃，完全满足体温测量的需要，电路原理如图2 所示。

图2 温度传感器电路图

1.3 心跳心率传感器

为准确检测出心脏类疾病，文中设计了一款基于电容式传感器的心跳心率传感器，其由两个绝缘的内电极和外电极组成，两电极之间填充介电常数为ε的电解质，传感器之间的电容量为：

心率数据采集传感器原理如图3 所示。

图3 心率采集传感器电路图

1.4 重力测步传感器

重力测步传感器采用广泛应用于电子设备的重力感应器对病患的行走步数进行计数，以达到动态检测病患身体是否健康的目的，采用弹性敏感元件和弹簧来驱动电触点，完成重力变化到电信号的转换，其电路如图4 所示。

图4 重力感应器原理图

1.5 电源电路模块

为保证硬件网络的稳定运行，文中使用ASM1117-3.3 稳压芯片设计硬件设备电源，该型号的芯片具有众多优势，其输出的电压相对稳定，可以对系统的正常工作提供保障。稳压电路原理如图5 所示。

图5 稳压电路原理图

2 人工智能算法

在基于多种传感器的物联网硬件网络上，正确、高效地识别大量数据中的有用信息，是医疗检测系统正常工作的关键。文中基于神经网络，建立了一套智能数据挖掘的算法体系。

数据挖掘是从大型数据集中提取隐藏信息的过程，存在许多不同的方法。数据挖掘技术不仅需要特定类型的数据结构，而且需要依据算法构造特定的处理流程。文中基于对医疗信息的考量，使用ANN 神经网络，建立数据挖掘的流程。为实现对数据的准确处理，首先对传感器系统的硬件进行特征提取，然后将处理后的标准化数据输入神经网络模型，最终实现对医疗数据的准确识别。

2.1 特征提取

传感器采集数据之后，数据一般有包含以下几个特征：微分熵(DE)、有理不对称(RASM)、能谱(ES)和微分不对称(DASM)。

微分熵的作用是量化变量的概率不确定性总量分布，某一频率带能谱的对数等于微分熵，ES 是信号 在Delta(2～3 Hz)、Theta(4～6 Hz)、Alpha(7～12 Hz)、Beta(13～29 Hz)、Gamma(32～49 Hz)（误差±1）这5 个频率带上面的平均能量，因此文中以微分熵作为这5 个频率带的特征。

不对称性(ASM)由有理不对称和微分不对称组成，DASM的定义为：

RASM的定义为：

式中，DASM和RASM分别代表28 对数据的微分熵的差和比的特征。

采用梯度下降法平滑上述特征，模型的计算公式如下：

式中，zn是电脑的原始特征观测变量，xn为隐变量，B代表隐变量转移矩阵；Γ、Σ 是神经网络模型的参数，C是模型的发射矩阵。

2.2 人工智能算法模型

神经网络模型(Adaptive Neural Network,ANN)是在BP(Back-Propagation)神经网络的基础上改进而来的。文中设计的神经网络结构如图6 所示。

图6 自适应神经网络结构图

从图6 可以得出，ANN 网络在tn时，激励输出的加权和如下：

第j层第l节的激励输出为：

其中，f(x)是神经网络中广泛使用的激励函数。

神经网络在tn时刻全部的MSE为：

di(tn)是第i个神经节点在tn时刻时的期望输出，采用大多数情况下的梯度下降算法来减小误差E(tn)：

神经网络中采用链式法进行权值参数的调整：

又因为：

定义：

则有：

采用相同的方法进行延迟参数的修正：

为减少神经网络模型识别时存在的误差，对权值和延迟进行了修正，从而可以获得更准确的参数。

3 仿真实验

文中设计了实验验证系统以测试所设计医疗检测设备管理系统的性能。首先，比较所设计的人工智能算法和文献方法的数据处理时间消耗情况，证明了所提人工智能算法的优越性。

从图7 中可以看出，在处理数据量比较小时，设计的人工智能算法和其他文献中提出的算法在数据处理的时间方面，其性能不相上下。但是当数据量达到一个阈值时，这几种算法处理数据的耗时发生了明显的改变，设计的人工智能算法耗时的增速变化比较缓慢，其他文献中提出的几种算法耗时量都出现了不同程度的急剧增加，特别是文献[14]提出的算法耗时增加的最多。可以看出，设计的人工智能算法的优越性较为显著，可以满足系统实时性的要求。

图7 数据处理算法效率图

对系统综合性能进行实验成功率测试与分析，结果如表1 所示。

表1 系统实验成功率

从表1可以看出，当实验次数较少时，系统实验成功率可以高达95%。随着实验次数的增加，成功率有所降低，总体性能可以满足准确性要求。通过实时性和准确率这两方面的实验结果可以看出，设计的基于人工智能与5G 通信的医疗检测设备管理系统的性能较为良好，能够满足医疗领域的用户需求。

4 结束语

文中分别从人智能算法建模和物联网系统两个方面设计了基于人工智能与5G 通信的医疗检测设备管理系统，系统采用分布在病患身上的各类传感器采集病患生理特征数据，采用5G 高速通信技术将传感器采集的数据发送到分析平台，分析平台采用人工智能算法快速地对数据进行分析和处理，将分析出来的数据使用5G 通信传输到临床医生或者医院管理层，为各种治疗和决策提供数据支撑。经过试验证明，文中设计的基于人工智能与5G 通信的医疗检测设备管理系统有助于解决医疗设备之间通信延迟，处理数据慢等问题，有效提高了医生对患者病因的诊断效率和准确性。