基于物联网智能标签的高值医疗设备全局定位方法

黄载全，吴凯，卢广文

1.南方医科大学生物医学工程学院，广东广州，510515；2.华南理工大学生物医学科学与工程学院，广东广州511442；3.广州医科大学附属第六医院/清远市人民医院，广东清远，511518

前言

为加强对高值医疗设备的管理，需要运用不同的技术手段，实现高值医疗设备的优化管理。高值医疗设备定位技术的研究迎合了高值医疗设备的信息化管理需求，因此，医疗设备部署方法在相关研究领域受到了极大关注［1］。

已有研究者提出了一系列的医疗设备部署方法。万志远等［2］提出了医院应急资源冗余配置优化模型，基于效用理论对应急资源冗余进行定义和分类，结合粒子群算法和序列二次规划法构建模型，该模型提高了医院应急资源的利用效率。刘伟军等［3］通过M/M/C 模型分析了医技排程与医疗设备配置的量化关系，对两者的部署方案进行了统筹规划。该模型可高效统筹并优化门诊部门的医疗设备配置。以上两种医疗设备的部署模型具有一定的可行性，但仅针对医院局部医疗设备进行统筹部署，未考虑全局设备的定位与部署情况。

针对当前高值医疗设备部署模型研究方面的不足，本文提出基于物联网智能标签的高值医疗设备全局定位方法。运用物联网新技术，识别高值医疗设备全局定位的标签，对高值医疗设备物联网智能标签进行聚类和融合处理。将参数融合结果与物联网智能标签的属性类别分析相结合，实现高值医疗设备全局定位。实验结果证明了本文方法在提高高值医疗设备全局定位能力方面具有较高的准确性，且对医疗设备的利用率较高。

1 高值医疗设备全局定位的标签特征提取

1.1 物联网智能标签参数辨识

采用分块检测技术［4］，得到高值医疗设备物联网智能标签识别的网络拓扑式为：

其中，Ha为分支接口数，k为标签数据的链路数量，ca为标签间最短路径长度，l为数据冗余值。

基于高值医疗设备物联网智能标签识别的网络拓扑式，在网络连通状态下，高值医疗设备物联网智能标签识别的模糊隶属度函数描述为：

其中，t为物联网识别的医疗设备节点个数。结合RFID（Radio Frequency Identification）［5］实现标签与目标设备间的非接触式数据通信，计算公式如式（3）所示：

其中，d为设备标签的输出稳态参数，M为存储器载波信号。基于非接触式数据通信结构，得出层次化基站输出信号为：

其中，β表示物联网设备发出的信号波长。

对医疗设备物联网智能标签定位数据进行压缩处理，得到医疗设备物联网智能标签定位的控制器信号输出为：

其中，p为样本数据总体采集时长，pk为第k条链路上的标签数据采集时长，X为标签信号的幅度。通过用户-标签方法［6］，得到高值医疗设备物联网信标输出为：

其中，Ik是第n条信道上高值医疗设备物联网标签识别的特征分布值，据上述分析，采用网格分块方法［7］，进行输出负载线传感器智能标签的网络定位得到标签识别输出为：

其中，rt为物联网标签的扩展带宽。综上分析，得到医疗设备物联网智能标签定位的输出负载线传感器网络定位，实现物联网智能标签参数辨识。

1.2 标签特征提取

在高值医疗设备表面粘贴高值设备定位/运行监控标签，通过对设备运行状态进行监测，得到高值医疗设备全局定位物联网标签序列的频射信号为：

其中，φ为物联网标签序列的负载调制频率，实时监测高值医疗设备运行状态，得到设备定位的时长特征编码为：

其中，μ表示信号传输到各个区域的几何中心位置的时刻，λi为空间采样时间尺度。ηi为设备标签的时域分布特征点。以时长特征编码为基础，在高值医疗设备的部件表面粘贴高值设备定位/运行监控标签，计算固定时间段内设备定位标签的开机频率特征编码为：

其中，Lj为控制器信息系统的输入信号波长，θ为调解电路中传输的信号频率。基于模糊聚类分析方法［8］，得到联合时间序列的模糊聚类函数，输出高值医疗设备的运行速率为：

其中，∂为标签返回的响应信号。根据上述分析，采用RFID 标签识别方法［9］，得到控制器的协同识别率为：

其中，v为微处理器信号传输率，l为逻辑控制电路的响应时间，ε为标签无线电射频率，d为解读器解码率。通过解码标签定位的信号频率，得到物联网标签特征分布概率为：

式（14）中，τ为类标签中的顶点值，在融合标签的多种特征编码后，得到设备全局定位的物联网标签综合特征编码为：

其中，ω表示设备全局定位的传感器节点的通信距离，αi为物联网设备标签的数据总量。

在普通医疗设备表面粘贴普通设备定位标签，通过特征分解法［10］，实现了对高值医疗设备的特征编码提取。

2 高值医疗设备标签全局定位优化

2.1 定位设备节点部署

为了实现基于物联网智能高值医疗设备的全局部署，采用全局混合式组网控制方法定位高值医疗设备［11］。

在平衡性边界条件下，得到组网控制的设备节点部署为：

其中，E为数据信道的覆盖率。

至此根据高值医疗设备全局定位的数据存储节点分布特征，实现了组网控制下的设备节点部署。

2.2 标签部署优化

采用分块检测技术［12］，实现对高值医疗设备物联网智能标签特征编码的聚类和融合处理，得到聚类后的高值医疗设备物联网智能设备节点距离为：

其中，ωb表示聚类后的设备物联网智能标签的最短通信路径，根据节点分布距离计算高值医疗设备全局定位物联网设备部署的重构模型为：

综上分析，得到医疗设备物联网智能定位实现结构图如图1 所示，图1 实时显示设备位置，可检索特定设备，提供设备轨迹跟踪功能，至此，完成了医疗设备物联网智能定位标签的部署优化。

图1 医疗设备的全局定位实现结构图Fig.1 Structure diagram of global positioning of medical equipments

3 仿真测试分析

为了验证本文方法在实现高值医疗设备全局定位中的应用性能，进行实验测试分析，高值医疗设备分布的网格区域为（500×500）m2，对高值医疗设备监测的节点数为400 个，信息采样的时间长度为1 024，训练样本集为8，采用统计分析方法，实时查看设备运行状态以及运行时长，得到统计分析结果如图2所示。

图2 医疗设备的全局定位检测的统计值Fig.2 Statistical values of global positioning detection of medical equipments

3.1 设备定位准确率测试

通过3种医疗设备定位方法对医疗设备的进行全局定位，得到医疗设备定位的准确率对比结果如图3所示。

如图3 所示，本文方法在设备定位方面具有较高的准确率，平均准确率在95%左右，而文献［2］与文献［3］方法的准确率相对较低，主要因为本文方法在设计模型的过程中考虑了设备部署的全局性，因此在全局定位过程中准确率较高。

图3 设备定位准确率Fig.3 Equipment positioning accuracy

3.2 设备利用效率测试

通过3种医疗设备定位方法进行院内医疗设备的全局部署配置后，统计设备的利用效率，对3种方法部署的设备利用率进行对比，得到对比结果如图4所示。

图4 3种方法部署的设备利用率Fig.4 Utilization rates of equipments deployed by 3 methods

分析图4得知，采用本文方法进行医疗设备的部署后，设备的利用率较高，文献［2］和文献［3］方法部署的设备利用率较低。因为本文方法采用了聚类融合的参数优化方法，使部署后的设备利用率得到提升。

4 结语

本文提出基于物联网智能标签的高值医疗设备全局定位方法。采用RFID 联合特征分解，得到医疗设备物联网智能标签定位输出。采用用户-标签方法，提取高值医疗设备物联网标签特征。利用分块检测技术，实现对高值医疗设备物联网智能标签聚类和融合处理，提高了医疗设备物联网定位的准确率与设备利用率，增强了医疗设备的管理能力。但本文方法仍存在一定的局限性，未根据医疗设备在各个部门的不同特性进行全局性的部署，在后续研究中可通过分析各部门需求，设计更完善的高值医疗设备全局定位方法。