基于蓝牙低功耗与深度学习在临床环境中实现精准实时定位追踪
医学物理
2018-10-16 v3 机器学习
摘要
深度学习已开始革新多个不同行业，这些方法在医学中的应用正变得愈发普遍。本研究致力于探究利用人工神经网络（ANNs）和卷积神经网络（CNNs）追踪在放射肿瘤科诊所中佩戴蓝牙低功耗（BLE）标签的患者与临床工作人员的可行性。这些网络的性能与相对接收信号强度指示（RSSI）阈值法和三角定位法进行了比较。通过利用时间信息，一个组合的 CNN+ANN 网络能够以 99.9% 的准确率正确识别 BLE 标签的位置。它优于 CNN 模型（准确率 = 94%）、采用多数投票的阈值模型（准确率 = 95%）以及利用多数投票的三角定位分类器（准确率 = 95%）。未来的研究将力求在医院内部署这一经济实惠的实时定位系统，以改善临床工作流、效率和患者安全。
引用
@article{arxiv.1711.08149,
title = {Accurate Real Time Localization Tracking in A Clinical Environment using Bluetooth Low Energy and Deep Learning},
author = {Zohaib Iqbal and Da Luo and Peter Henry and Samaneh Kazemifar and Timothy Rozario and Yulong Yan and Kenneth Westover and Weiguo Lu and Dan Nguyen and Troy Long and Jing Wang and Hak Choy and Steve Jiang},
journal= {arXiv preprint arXiv:1711.08149},
year = {2018}
}