Bài toán giám sát bệnh nhân qua hệ thống cảm biến vô tuyến

Bài viết đề xuất bộ lọ đa phần tử dựa vào thuật toán tái lấy mẫu khoảng cách Kullback-Leibler hiệu chỉnh phương sai với độ dốc dữ liệu làm giảm những ảnh hưởng xấu dao động cường độ tín hiệu thu bằng việc tạo ra tập mẫu gần miền khả năng cao . Đề xuất này cải thiện giám sát bệnh nhân.
Nội dung trích xuất từ tài liệu:
Bài toán giám sát bệnh nhân qua hệ thống cảm biến vô tuyếnTAÏP CHÍ KHOA HOÏC ÑAÏI HOÏC SAØI GOØN Soá 23 (48) - Thaùng 12/2016 Bài toán giám sát bệnh nhân qua hệ thống cảm biến vô tuyến Patient tracking through wireless sensor network ThS. Lý Tú Nga, Trường Đại học Quốc tế - Đại học Quốc gia TP.HCM Ly Tu Nga, M.Sc., International University - National University Ho Chi Minh City GS.TS. Lê Tiến Thường, Trường Đại học Bách khoa TP.HCM Le Tien Thuong, Prof., Ph.D., Ho Chi Minh University of Technology TS. Mai Linh, Trường Đại học Quốc tế - Đại học Quốc gia TP.HCM Mai Linh, Ph.D., International University - National University Ho Chi Minh CityTóm tắtVấn đề then chốt của việc giám sát bệnh nhân qua hệ thống cảm biến vô tuyến là độ nhạy thay đổi môitrường từ những vật cản như tường, tủ, v.v. Những độ nhạy này chính là những ảnh hưởng “xấ ađộng ường độ tín hiệu thu. Bài báo đề xuất bộ lọ đa phần tử dựa vào thuật toán tái lấy mẫu khoảngcách Kullback-Leibler hiệu chỉnh phương sai với độ dốc dữ liệu làm giảm những ảnh hưởng xấu daođộng ường độ tín hiệu thu bằng việc tạ ra tập ẫu gần iền hả năng a . Đề xuất này cải thiện giámsát bệnh nhân. Ý tưởng của giải pháp này dựa vào tìm giá trị phương sai l wer b n thông q a tối ưcự đại độ h nh lệ h gi trị lỗi ủa đề xuất và tái lấy mẫu khoảng cách Kullback-Leibler. Kết quả môphỏng kiểm chứng cho thấy giải pháp này cải thiện sai số định vị bệnh nhân so với các giải pháp truyềnthống khác.Từ khóa: lấy mẫu quan trọng tuần tự, tái lấy mẫu KLD, cường độ tín hiệu thu, hệ thống y sinh.AbstractThe major challenge for patient tracking through wireless sensor network system is the sensibility tochanging environment created by obstacles such as walls, furniture, etc. This sensibility negativelyaffects the function of the system, causing variations of Received Signal Strength (RSS). In this paper,we propose a Particle Filter (PF) based on Kullback-Leibler Distance (KLD)-resampling to smoothdown the bad effect of RSS variations by generating a sample set near the high likelihood region. Thistechnique improves the efficiency of patient tracking. The key idea of this method is to find the lowerbound variance based on maximizing the error gap between the proposal and KLD-resampling. Allsimulation results show that this technique reduces tracking errors compared to traditional approaches.Keywords: SIR, KLD-resampling, RSS, health care systems. 1. Mở đầu sát vì dân số lã hóa gia tăng và tình trạng Thách thức hiện nay trong hệ thống thiế nhân vi n điề ưỡng. Thông qua các hă só sức khỏe là việc theo dõi/giám thiết bị cảm biến gọn nhẹ đe tr n ngườisát bệnh nhân, hệ thống quản lý và giám bệnh đã đóng góp việc giám sát bệnh nhân 40một cách linh hoạt tự động bất cứ lúc nào liệu [5] (kí hiệ Pr p sal) đã ải thiện địnhvà nơi nà [1]. vị bệnh nhân tại mức công suất cố định. Gi s t định vị bệnh nhân bao gồm Ngoài ra, tác giả [5] hưa đưa ra th ật toánhai dịch vụ chính yếu: dịch vụ theo dõi vị tìm giá trị phương sai l wer b n tr ngtrí và tình trạng bệnh nhân. Nhận thức trường hợp tổng quát với các mức côngchính xác vị trí bệnh nhân trong khoảng suất khác nhau [6].thời gian ngắn đóng vai trò q an trọng cho Bài b này đề xuất thuật toán tìm giánhân vi n sơ ứu. Mặt khác, dịch vụ theo trị phương sai l wer b n ột cách tổngdõi tình trạng bệnh nhân trong tình trạng quát cho bài báo [5] với các mức công suấtkhẩn cấp phải liên tục và rất cần thiết cho h nha [6] để cải thiện định vị bệnhnhân vi n điề ưỡng khi bệnh nhân di nhân so với các giải pháp truyền thống:chuyển x ng q anh ơ sở lư trú. Nhiều Gradient descent [3] và SIR [2].loại thông tin về tình trạng của bệnh nhân 2. Nội dungđược thu thập một cách tự động như đặc 2.1. Vấn đềtính chuyển động bệnh nhân, huyết áp, Cấu trúc hệ thống giám sát bệnh nhânnhịp tim, v.v điển hình được cho ở Hình 1. Hệ thống bao Sai số định vị bệnh nhân đóng vai trò gồ an h r n e đượ đặt ở các vị tríquan trọng trong hệ thống hă só sức cố định trong phòng, mạng điều phối cákhỏe. Các tác giả [2-5] đưa ra ô hình hệ nhân PAN (Personal Area Network), bệnhthống thực nghiệm LAURA (LocAlization nhân, cấu trúc mạng, định tuyến cây.and Ubiquitous monitoring of pAtients)gi s t và định vị bệnh nhân dựa vào ường độ tín hiệu thu RSS. Khi bệnh nhân di chuyển, giải phápGra ient es ent [3] được áp dụng để xácđịnh vị trí bệnh nhân. Giải pháp này tínhkhoảng cách bệnh nhân đến các anchornode bằng cách ánh xạ tín hiệu-khoảngcách SDM (Signal-to-Distance Mapping).Để phát hiện bệnh nhân di chuyển “x y n Hình 1. Cấu trúc hệ thống giám sát [2]qua vật cản, tác giả kết hợp giải pháp Biết trước vị trí các anchor node, giá trịGradient descent và bộ lọ đa phần tử dựa chỉ số ường độ hiệu thu RSSI (RSSvào thuật toán tái lấy mẫu tuần tự quan In i at r) được thu thập giữa các cặp anchortrọng SIR (Sequential Important node liên quan trong mạng. Bộ chỉ báo giáResampling) [2], kí hiệu là SIR PF. Gần trị ường độ tín hiệ th RSSI được cungđây, t giả [4] áp dụng thành công giải cấp bởi các thiết bị off-the-shelf mà khôngpháp bộ lọ đa phần tử dựa vào thuật toán yêu cầu thêm phần cứng chuyên dụng.tái lấy mẫu khoảng cách Kullback-Leibler Gi ...