基于無(wú)線傳感器網(wǎng)絡(luò)的醫(yī)學(xué)裝備運(yùn)行數(shù)據(jù)采集優(yōu)化方法研究

陳克龍，仲建生，沈亞軍

（如皋市人民醫(yī)院醫(yī)學(xué)裝備科，江蘇如皋 226500）

0 引言

隨著遠(yuǎn)程通信技術(shù)的迅猛發(fā)展，遠(yuǎn)程電子醫(yī)療服務(wù)大大優(yōu)化了現(xiàn)代化醫(yī)療服務(wù)的質(zhì)量。在科技創(chuàng)新能力與科技生產(chǎn)力持續(xù)迭代、優(yōu)化的趨勢(shì)下，無(wú)線傳感器網(wǎng)絡(luò)能夠?qū)崟r(shí)獲取醫(yī)學(xué)裝備的運(yùn)行數(shù)據(jù)與狀態(tài)診斷信息，醫(yī)療診斷和持續(xù)設(shè)備健康評(píng)估是其核心功能。當(dāng)前，傳感器網(wǎng)絡(luò)已在醫(yī)療領(lǐng)域發(fā)揮了不可替代的作用：程蕾[1]設(shè)計(jì)多信道鏈路剔除干擾節(jié)點(diǎn)、設(shè)置負(fù)載均衡因子均衡優(yōu)化網(wǎng)絡(luò)負(fù)載，利用傳輸隸屬關(guān)系建立信息匯聚模型，解決了數(shù)據(jù)傳輸過(guò)程中的損失率偏大問(wèn)題；李倩等[2]提出一種基于激光通信的智慧醫(yī)療信息系統(tǒng)，通過(guò)醫(yī)療傳感器模塊采集醫(yī)療數(shù)據(jù)；陳劍等[3]提出一種醫(yī)療無(wú)線傳感設(shè)備的服務(wù)質(zhì)量（quality of service，QoS）評(píng)估方法，該方法基于時(shí)分復(fù)用和Reed-Solomon 編碼的前向糾錯(cuò)（forward error correction，F(xiàn)EC）機(jī)制，在無(wú)線網(wǎng)絡(luò)中提高了無(wú)線醫(yī)療技術(shù)的可靠性，降低了醫(yī)學(xué)裝備無(wú)線傳感數(shù)據(jù)采集的延時(shí)，并加快了醫(yī)學(xué)裝備數(shù)據(jù)傳輸?shù)捻憫?yīng)速度。以上無(wú)線傳感器網(wǎng)絡(luò)在醫(yī)學(xué)領(lǐng)域的應(yīng)用并不完全針對(duì)醫(yī)學(xué)裝備運(yùn)行數(shù)據(jù)的采集優(yōu)化，為改善醫(yī)學(xué)裝備運(yùn)行質(zhì)量，本研究著眼于醫(yī)學(xué)裝備多維數(shù)據(jù)采集性能的優(yōu)化，致力于醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)融合及解除無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)傳輸?shù)膿砣麊?wèn)題，提高數(shù)據(jù)采集傳輸?shù)男逝c流暢度。

1 醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)多維狀態(tài)數(shù)據(jù)采集架構(gòu)

本研究通過(guò)無(wú)線傳感器網(wǎng)絡(luò)獲取醫(yī)學(xué)裝備運(yùn)行的多維狀態(tài)數(shù)據(jù)[4]，并基于蟻群優(yōu)化算法實(shí)現(xiàn)多傳感器數(shù)據(jù)的融合，進(jìn)而對(duì)無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行優(yōu)化布局，利用果蠅優(yōu)化的路由算法和擁塞解除策略，提高多維狀態(tài)數(shù)據(jù)采集效率，并降低無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)流的擁塞狀況。

1.1 醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)采集架構(gòu)

醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)采集架構(gòu)如圖1 所示。該架構(gòu)使用32 位的STM32F 系列單片機(jī)作為主控芯片，包括傳感器集群電路、信號(hào)放大電路、A/D 轉(zhuǎn)換電路、多維數(shù)據(jù)同步電路、兼容性外部接口電路等外圍電路。在主控芯片邏輯控制之下協(xié)調(diào)和管理各個(gè)外圍電路，確保整個(gè)系統(tǒng)的有序和協(xié)同工作。

圖1 基于無(wú)線傳感器網(wǎng)絡(luò)的醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)采集架構(gòu)圖

醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)上傳到服務(wù)器端進(jìn)行深度處理，并依托計(jì)算機(jī)程序采用周期性數(shù)據(jù)發(fā)送策略[5]，以提高數(shù)據(jù)傳輸?shù)撵`活性。針對(duì)醫(yī)學(xué)裝備類(lèi)別繁多、控制系統(tǒng)豐富的現(xiàn)實(shí)需求，引入多維數(shù)據(jù)同步電路，以滿足醫(yī)學(xué)裝備不同格式多維運(yùn)行數(shù)據(jù)采集傳輸?shù)倪m應(yīng)性。為實(shí)現(xiàn)多類(lèi)型無(wú)線數(shù)據(jù)同步的兼容性，此次研究采用了橋式整流濾波和光電耦合器組成一個(gè)接口電路。該電路可以兼容多種無(wú)線數(shù)據(jù)同步協(xié)議，從而確保不同類(lèi)型的醫(yī)學(xué)裝備無(wú)線數(shù)據(jù)都能有效地進(jìn)行同步傳輸。

1.2 多傳感器網(wǎng)絡(luò)數(shù)據(jù)融合

基于蟻群優(yōu)化算法對(duì)多傳感器數(shù)據(jù)進(jìn)行融合，原理如下：蟻群開(kāi)始尋找路徑到達(dá)食物源的搜索過(guò)程中，螞蟻傾向選擇沿著信息素濃度較高的路徑訪問(wèn)下一個(gè)節(jié)點(diǎn)（此處相當(dāng)于傳感器節(jié)點(diǎn)），且經(jīng)過(guò)路徑時(shí)留下信息素并以“梯度”模式保留在路徑上。整個(gè)螞蟻搜索過(guò)程完成信息素也會(huì)相應(yīng)揮發(fā)一部分，全局信息素隨之更新，那么梯度值的計(jì)算要根據(jù)更新的信息素濃度實(shí)現(xiàn)。下一個(gè)傳感節(jié)點(diǎn)的選擇就要依靠螞蟻個(gè)體根據(jù)路徑保留的信息量獨(dú)立完成。

蟻群優(yōu)化算法融合多傳感器數(shù)據(jù)過(guò)程中改進(jìn)了傳統(tǒng)蟻群算法的弊端，形成精英蟻群算法。該算法融合數(shù)據(jù)的優(yōu)勢(shì)如下：（1）基于蟻群優(yōu)化算法自組織能力，規(guī)律性重組醫(yī)學(xué)裝備多維差異性數(shù)據(jù)[6]；（2）基于蟻群優(yōu)化算法的并行計(jì)算能力，提取并融合計(jì)算多維差異性數(shù)據(jù)的特征，同時(shí)呈現(xiàn)正反饋機(jī)制修正融合誤差[7]。

基于精英蟻群算法融合多傳感器數(shù)據(jù)，定義螞蟻個(gè)體k選擇節(jié)點(diǎn)j的概率，則螞蟻個(gè)體啟發(fā)值μij的表達(dá)式如下：

式中，w（i，j）表示稀疏權(quán)重矩陣。在蟻群算法中，螞蟻個(gè)體的鄰居一定程度上影響精英螞蟻個(gè)體信息素的揮發(fā)函數(shù)，當(dāng)t表示揮發(fā)率時(shí)，信息素?fù)]發(fā)函數(shù)τij的表達(dá)式如下：

式中，ρ 表示信息素衰減系數(shù)。

式中，φij表示節(jié)點(diǎn)i與j間的信息素；p、q為調(diào)整螞蟻行為的參數(shù)，其中p表示螞蟻選擇之前走過(guò)路徑的傾向性，q表示螞蟻探索新路徑的傾向性；表示區(qū)間中的任一點(diǎn)。

最優(yōu)路徑信息素調(diào)整方式如公式（4）所示，即采用合理的信息素增加參數(shù)得到信息素函數(shù)更新后的表達(dá)式：

2 醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)優(yōu)化設(shè)計(jì)

結(jié)合無(wú)線傳感器網(wǎng)絡(luò)的基本結(jié)構(gòu)，研究確定了如圖2 所示的醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)架構(gòu)。在該架構(gòu)中，傳感器節(jié)點(diǎn)負(fù)責(zé)感知醫(yī)學(xué)裝備的運(yùn)行狀態(tài)信息，并通過(guò)模型信號(hào)轉(zhuǎn)換器將這些信息轉(zhuǎn)換為數(shù)字格式，這種設(shè)計(jì)有助于實(shí)現(xiàn)高效、準(zhǔn)確的醫(yī)學(xué)裝備狀態(tài)監(jiān)測(cè)。圖中，傳感器節(jié)點(diǎn)、基站、用戶終端是醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)的主要構(gòu)成[8-9]，傳感器節(jié)點(diǎn)是連接網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的關(guān)鍵基礎(chǔ)。醫(yī)學(xué)裝備內(nèi)置了大量的傳感器節(jié)點(diǎn)，傳感器節(jié)點(diǎn)第一時(shí)間感知醫(yī)學(xué)裝備的運(yùn)行狀態(tài)信息，模型信號(hào)轉(zhuǎn)換器將采集的數(shù)據(jù)信息轉(zhuǎn)為數(shù)字信息形式，通過(guò)數(shù)字信息生成數(shù)據(jù)報(bào)文并融合，再以網(wǎng)關(guān)通信節(jié)點(diǎn)為載體傳遞到醫(yī)學(xué)裝備技術(shù)管理人員的智能終端。

圖2 醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)架構(gòu)圖

2.1 果蠅優(yōu)化的路由算法

路由算法對(duì)于提高醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)數(shù)據(jù)采集效率至關(guān)重要。為了確保無(wú)線傳感器網(wǎng)絡(luò)的高效運(yùn)行，首要任務(wù)是優(yōu)化路由算法[10]。因此，本研究采用基于自適應(yīng)尋優(yōu)果蠅算法來(lái)優(yōu)化網(wǎng)絡(luò)的路由策略。這種策略不僅保障了網(wǎng)絡(luò)數(shù)據(jù)的傳輸性能，而且成功縮短了醫(yī)學(xué)裝備運(yùn)行數(shù)據(jù)采集的時(shí)間，進(jìn)一步提升了整體效率。

傳統(tǒng)果蠅優(yōu)化算法忽略了尋優(yōu)步長(zhǎng)的靈活調(diào)整特性，均使用固定的步長(zhǎng)進(jìn)行迭代尋優(yōu)，該算法的主要缺陷是尋優(yōu)能力差、尋優(yōu)誤差提升[11]。為此，對(duì)果蠅算法進(jìn)行自適應(yīng)尋優(yōu)步長(zhǎng)優(yōu)化，以果蠅所處位置和目標(biāo)位置之間的距離為依據(jù)實(shí)施動(dòng)態(tài)性設(shè)計(jì)：（1）在果蠅遠(yuǎn)離尋優(yōu)目標(biāo)的情況下，延長(zhǎng)果蠅的搜索半徑；（2）在果蠅趨近尋優(yōu)目標(biāo)的情況下，縮短果蠅的搜索半徑。公式（5）為自適應(yīng)步長(zhǎng)的計(jì)算方法：

式中，ε 為果蠅優(yōu)化算法的原始步長(zhǎng)；ε'為優(yōu)化后的算法應(yīng)用步長(zhǎng)；e-t、k分別為減量因子與算法迭代次數(shù)；smell（i）為味道濃度判定值；bsmell 表示果蠅算法濃度參數(shù)中最優(yōu)果蠅濃度；? 為整數(shù)常量。

自適應(yīng)尋優(yōu)步長(zhǎng)的優(yōu)勢(shì)是令果蠅算法隨著尋優(yōu)過(guò)程線性遞減，避免了固定步長(zhǎng)帶來(lái)的局部最優(yōu)以及盲目縮短尋優(yōu)步長(zhǎng)導(dǎo)致尋優(yōu)誤差的提升。因此，果蠅算法較好地優(yōu)化了醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)路由策略，使其高效率地采集醫(yī)學(xué)裝備的運(yùn)行數(shù)據(jù)。

2.2 擁塞解除策略

醫(yī)院醫(yī)學(xué)裝備種類(lèi)多、數(shù)據(jù)龐大，部署的醫(yī)療傳感器網(wǎng)絡(luò)具有大規(guī)模、密集性的特征，當(dāng)多個(gè)醫(yī)學(xué)裝備同時(shí)出現(xiàn)故障時(shí)，會(huì)產(chǎn)生巨大的數(shù)據(jù)流甚至是擁塞現(xiàn)象，對(duì)傳感器節(jié)點(diǎn)的緩存能力、處理性能、能量?jī)?chǔ)備均產(chǎn)生較大影響。為此，使用基于虛擬隊(duì)列的擁塞控制算法（congestion control algorithm based onvirtual queue，CCVQ）進(jìn)行擁塞處理，從速率調(diào)整、主動(dòng)丟包層面緩解擁塞狀況[12]。CCVQ 的目的在于解除低優(yōu)先級(jí)數(shù)據(jù)流的擁塞，因?yàn)楦邇?yōu)先級(jí)數(shù)據(jù)流并不會(huì)導(dǎo)致網(wǎng)絡(luò)擁塞，且其僅占數(shù)據(jù)總量的20%左右。因此，CCVQ 算法的應(yīng)用能夠有效地減輕網(wǎng)絡(luò)擁塞，提升醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)的整體性能。該策略具體分為檢測(cè)與調(diào)整2 個(gè)方面，前者以列隊(duì)長(zhǎng)度與變化率檢測(cè)擁塞情況，后者負(fù)責(zé)調(diào)整擁塞部分的發(fā)送速率，調(diào)整依據(jù)是虛擬列隊(duì)變化情況、節(jié)點(diǎn)優(yōu)先級(jí)、數(shù)據(jù)擁塞水平3 個(gè)變化量。此外，輔以主動(dòng)丟包策略避免傳感器節(jié)點(diǎn)緩存溢出[13-14]，具體實(shí)施步驟如下：

第一步：Sink 節(jié)點(diǎn)廣播任務(wù)請(qǐng)求包，鄰居節(jié)點(diǎn)根據(jù)請(qǐng)求包接收結(jié)果確定是否為重復(fù)任務(wù)，舍棄重復(fù)任務(wù)，標(biāo)記嶄新任務(wù)并存儲(chǔ)，然后廣播新任務(wù)。

第二步：向Sink 方向廣播請(qǐng)求包，前提是收到任務(wù)包的源節(jié)點(diǎn)感知到與任務(wù)要求相關(guān)事件。請(qǐng)求包由鄰居節(jié)點(diǎn)獲得后創(chuàng)建初始路由表，存儲(chǔ)有關(guān)信息后向Sink 方向廣播請(qǐng)求包。

第三步：Sink 接收請(qǐng)求包后根據(jù)事件源的優(yōu)先級(jí)生成確認(rèn)包并產(chǎn)生下一跳，下一跳的選擇以初始的路由表為范圍，根據(jù)確認(rèn)包的優(yōu)先級(jí)以及鄰居節(jié)點(diǎn)的剩余能量確定。路由表創(chuàng)建成功后Sink 采用相同方法繼續(xù)執(zhí)行，直到源節(jié)點(diǎn)事件執(zhí)行完畢。

第四步：由源節(jié)點(diǎn)發(fā)送感知的醫(yī)學(xué)裝備監(jiān)測(cè)數(shù)據(jù)。

上述醫(yī)學(xué)裝備傳感器網(wǎng)絡(luò)擁塞解除過(guò)程中，使用果蠅算法進(jìn)行路由建立與優(yōu)化布局。

3 實(shí)驗(yàn)與分析

為了明確本文提出的醫(yī)學(xué)裝備數(shù)據(jù)采集方法的有效性及優(yōu)越性，以醫(yī)療機(jī)構(gòu)的醫(yī)學(xué)裝備為對(duì)象，依托OPNET 仿真平臺(tái)營(yíng)造傳感器網(wǎng)絡(luò)模擬環(huán)境，展開(kāi)醫(yī)學(xué)裝備數(shù)據(jù)采集測(cè)試。同時(shí)引用基于無(wú)線傳感器網(wǎng)絡(luò)的醫(yī)學(xué)裝備數(shù)據(jù)采集方法（方法1）、基于蟻群無(wú)線傳感器網(wǎng)絡(luò)的醫(yī)學(xué)裝備數(shù)據(jù)采集方法（方法2）進(jìn)行對(duì)比測(cè)試，以突出本文方法的優(yōu)勢(shì)。實(shí)驗(yàn)從丟包率、時(shí)延2 個(gè)方面評(píng)估各方法采集醫(yī)學(xué)裝備數(shù)據(jù)的性能。

3.1 醫(yī)學(xué)裝備數(shù)據(jù)采集丟包率分析

丟包率往往出現(xiàn)在網(wǎng)絡(luò)擁塞的狀態(tài)下，因此丟包率可以描述數(shù)據(jù)采集的擁塞情況，該變量為醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)節(jié)點(diǎn)丟包數(shù)量與節(jié)點(diǎn)發(fā)送數(shù)據(jù)量的比值。3 種方法采集醫(yī)學(xué)裝備運(yùn)行狀態(tài)數(shù)據(jù)的丟包率見(jiàn)表1。

表1 3 種方法在不同采樣速率下的丟包率對(duì)比單位：%

分析表1 可知，隨著醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)源節(jié)點(diǎn)采樣速率的變化，3 種方法的丟包率變化差異較大。3 種方法的初始丟包率均較低，范圍為2.1%～2.3%。當(dāng)源節(jié)點(diǎn)的采樣速率增加到20 Kibit/s 時(shí)整個(gè)網(wǎng)絡(luò)出現(xiàn)擁塞現(xiàn)象，但擁塞程度較低，此時(shí)本文方法的丟包率增加幅度較小，僅增加了0.4%，而方法1 和方法2 的丟包率則分別增加至10.8%和4.9%。分析原因是：方法1 基于傳統(tǒng)的無(wú)線傳感器網(wǎng)絡(luò)采集醫(yī)學(xué)裝備數(shù)據(jù)，沒(méi)有進(jìn)行網(wǎng)絡(luò)擁塞解除與控制行為，當(dāng)采樣速率持續(xù)增加時(shí)，其網(wǎng)絡(luò)擁塞的現(xiàn)象更加顯著；方法2 的路由算法設(shè)計(jì)中使用緩沖區(qū)隊(duì)列信息檢測(cè)網(wǎng)絡(luò)中的擁塞情況，對(duì)網(wǎng)絡(luò)擁塞進(jìn)行調(diào)控，因此數(shù)據(jù)采集的丟包率相對(duì)較低。當(dāng)采樣速率增加到50 Kibit/s時(shí)3 種方法的丟包率出現(xiàn)新的變化，方法1 丟包率增加至39.7%、方法2 丟包率增加至32.7%，但方法2 的弊端更為突出，整體上方法2 對(duì)網(wǎng)絡(luò)擁塞的情況已經(jīng)失控，擁塞控制的效果不明顯，最高丟包率達(dá)到47.8%，僅次于方法1。而本文方法的數(shù)據(jù)采集丟包率在采樣速率達(dá)到80 Kibit/s 時(shí)僅為8.6%，呈現(xiàn)了理想的擁塞解除狀態(tài)。這是因?yàn)楸疚姆椒ㄒ环矫媸褂肅CVQ 策略控制醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)的數(shù)據(jù)流擁塞情況，依據(jù)隊(duì)列的變化率與占用情況進(jìn)行速率調(diào)整，使得主動(dòng)丟包情況僅出現(xiàn)在隊(duì)列占用率較大的情況下，降低了丟包率；另一方面，基于自適應(yīng)步長(zhǎng)的果蠅優(yōu)化算法改進(jìn)無(wú)線傳感器網(wǎng)絡(luò)的路由策略，有效平衡了節(jié)點(diǎn)負(fù)載均衡問(wèn)題，提高了數(shù)據(jù)流傳輸路徑的合理性，一定程度上降低了網(wǎng)絡(luò)擁塞情況。

綜上可知，本文方法的丟包率始終較低，因而具有較優(yōu)的網(wǎng)絡(luò)擁塞控制性能，提高了醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)的整體性能。

3.2 醫(yī)學(xué)裝備數(shù)據(jù)采集時(shí)延分析

平均時(shí)延計(jì)算公式如下：

平均時(shí)延=

基于公式（6）求取測(cè)試過(guò)程中3 種方法的平均時(shí)延，結(jié)果如圖3 所示。

圖3 3 種方法的數(shù)據(jù)采集平均時(shí)延

分析圖3 可知，隨著傳感器節(jié)點(diǎn)數(shù)量的持續(xù)增加，3 種方法的平均時(shí)延均處于下降的態(tài)勢(shì)，其中本文方法的平均時(shí)延比方法1、方法2 低。具體而言，當(dāng)傳感器節(jié)點(diǎn)數(shù)量為500 個(gè)時(shí)，本文方法的平均時(shí)延約為0.115 s，而方法1 和方法2 的平均時(shí)延高達(dá)0.129、0.125 s。實(shí)驗(yàn)過(guò)程中，對(duì)比方法的時(shí)延曲線始終位于本文方法的上方，說(shuō)明本文方法在降低醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)的時(shí)延方面發(fā)揮了作用。這是因?yàn)楸疚姆椒ú捎镁⑾伻翰呗赃M(jìn)行多傳感器數(shù)據(jù)融合，選用合理的信息素增加參數(shù)來(lái)更新蟻群算法的信息素函數(shù)，以確定數(shù)據(jù)融合的下一個(gè)傳感器節(jié)點(diǎn)。本文方法由Sink 節(jié)點(diǎn)根據(jù)事件源的優(yōu)先級(jí)生成確認(rèn)包并產(chǎn)生下一跳，減少了大量傳感信息緩存。方法2 雖然也使用蟻群算法采集數(shù)據(jù)，但其信息素更新策略較為傳統(tǒng)，導(dǎo)致選擇節(jié)點(diǎn)下一跳的用時(shí)較大，增加了該方法采集醫(yī)學(xué)裝備運(yùn)行數(shù)據(jù)的時(shí)延。同樣的，方法1 基于無(wú)線傳感器網(wǎng)絡(luò)采集醫(yī)學(xué)裝備數(shù)據(jù)，采用中心點(diǎn)融合算法雖然易于實(shí)現(xiàn)且無(wú)需維護(hù)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及路由計(jì)算，但是算法準(zhǔn)備工作與實(shí)現(xiàn)過(guò)程復(fù)雜，導(dǎo)致數(shù)據(jù)融合延遲較大，增加了醫(yī)學(xué)裝備數(shù)據(jù)采集的時(shí)延。

4 結(jié)語(yǔ)

醫(yī)學(xué)裝備的正常運(yùn)行是提高醫(yī)療機(jī)構(gòu)運(yùn)行效率、保障正常診療活動(dòng)開(kāi)展的基礎(chǔ)。本文提出的醫(yī)學(xué)裝備數(shù)據(jù)采集方法為遠(yuǎn)程監(jiān)測(cè)醫(yī)學(xué)裝備運(yùn)行狀態(tài)提供了有效參考，具體表現(xiàn)在以下2 個(gè)方面：（1）使用無(wú)線傳感器網(wǎng)絡(luò)獲取醫(yī)學(xué)裝備運(yùn)行的多維狀態(tài)數(shù)據(jù)，設(shè)計(jì)了無(wú)線傳感器網(wǎng)絡(luò)的醫(yī)學(xué)裝備運(yùn)行數(shù)據(jù)采集機(jī)制，在此基礎(chǔ)上基于蟻群優(yōu)化算法融合多傳感器數(shù)據(jù)，降低了數(shù)據(jù)采集時(shí)延。（2）對(duì)醫(yī)學(xué)裝備無(wú)線傳感器網(wǎng)絡(luò)進(jìn)行優(yōu)化設(shè)計(jì)，嵌入高效率、高性能的數(shù)據(jù)流擁塞解除策略，使用自適應(yīng)步長(zhǎng)果蠅算法建立路由機(jī)制，降低了醫(yī)學(xué)裝備數(shù)據(jù)采集的丟包率，采集的數(shù)據(jù)更加全面。

本研究在醫(yī)學(xué)裝備數(shù)據(jù)采集方面取得了初步成果，但在數(shù)據(jù)融合的精細(xì)度上仍需進(jìn)一步優(yōu)化，以形成智能化的醫(yī)學(xué)裝備管理體系，支撐醫(yī)學(xué)裝備多維運(yùn)行數(shù)據(jù)采集水平的提升。