基于蓝牙低功耗技术与深度学习开发实时室内定位系统以助力临床应用
信号处理
2020-09-09 v2 计算机与社会
摘要
室内实时定位系统（RTLS）可通过数据驱动的程序优化改善临床效率，从而使医院和患者均受益。基于蓝牙的 RTLS 系统成本低廉，但因蓝牙信号强度易波动而缺乏准确性与鲁棒性。我们开发了一种基于机器学习的解决方案，采用长短期记忆（LSTM）网络后接多层感知机分类器及后验约束算法来提升 RTLS 性能。训练与验证数据集表明，多数机器学习模型在分类单独定位区域时表现良好，尽管 LSTM 最为可靠。然而，面对指示跨区轨迹的数据时，所有模型均出现不稳定的区域切换。因此，我们实现了一种基于历史的后验约束算法，以牺牲少许响应性为代价降低波动性。该网络以延迟为代价增强了鲁棒性。当延迟不那么关键时，我们计算出延迟校正准确率为 100%（测试数据），较无约束 LSTM 的 96.2% 有显著提升。鲁棒性与响应性之间的平衡可根据下游临床应用的具体需求逐例考量与调整。该系统已部署于某学术医疗中心并获验证。行业最佳实践使系统得以扩展而未在性能或成本上作出实质性妥协。
引用
@article{arxiv.1907.10554,
title = {Development of a Real-time Indoor Location System using Bluetooth Low Energy Technology and Deep Learning to Facilitate Clinical Applications},
author = {Guanglin Tang and Yulong Yan and Chenyang Shen and Xun Jia and Meyer Zinn and Zipalkumar Trivedi and Alicia Yingling and Kenneth Westover and Steve Jiang},
journal= {arXiv preprint arXiv:1907.10554},
year = {2020}
}
备注
20 pages, 6 figures, submitted to Physics in Medicine & Biology