醫(yī)療CPS協(xié)作網(wǎng)絡控制策略優(yōu)化淺析

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了醫(yī)療CPS協(xié)作網(wǎng)絡控制策略優(yōu)化淺析范文，希望能給你帶來靈感和參考，敬請閱讀。

摘要:醫(yī)院的信息化建設已經(jīng)進入了智能化時代，越來越多的醫(yī)療cps（CyberPhysicalSystems）在醫(yī)院實踐并應用。然而，醫(yī)學學科的細化和醫(yī)院知識庫的缺乏，會導致醫(yī)療CPS在多并發(fā)癥疾病治療應用上的可靠性不足。文中提出了一種醫(yī)療CPS協(xié)作架構，以提高醫(yī)療CPS的決策可靠性。CPS通過協(xié)作平臺向網(wǎng)絡上的智能單元發(fā)送協(xié)作任務，響應的智能單元共同輔助CPS進行醫(yī)療決策。由于患者的生理數(shù)據(jù)是連續(xù)動態(tài)的，且醫(yī)療CPS對響應的及時性要求較高，文中進一步優(yōu)化了協(xié)作網(wǎng)絡的控制策略來提高網(wǎng)絡通信效率，分別提出了CCD算法和HCD算法用于高級控制器和低級控制器的部署。最后，實驗模擬兩種算法并與K－means算法進行了指標對比，結果表明HCD算法在犧牲較少平均通信時延的情況下，大幅度提升了低級控制器的負載均衡。CCD算法更適合聚類節(jié)點少的高級控制器部署，對目標函數(shù)的優(yōu)化效果明顯優(yōu)于HCD算法和K－means算法。

關鍵詞：信息物理系統(tǒng)；醫(yī)療；網(wǎng)絡控制；聚類；協(xié)作；

1背景

醫(yī)療CPS是信息物理系統(tǒng)在醫(yī)學上的應用延伸［1－2］。復雜的生命系統(tǒng)與信息系統(tǒng)緊密交互的同時，使醫(yī)療CPS面臨更多的挑戰(zhàn)［3］?？煽啃允瞧渲幸豁椫匾魬?zhàn)，一方面，大多數(shù)醫(yī)院的知識庫建設不足［4］；另一方面，醫(yī)學學科的細化導致各類?？?、亞?？频尼t(yī)生僅熟悉自己領域的專業(yè)知識，而無法應對多并發(fā)癥疾病的治療。因此，醫(yī)療CPS的可靠性不足，存在醫(yī)療安全隱患。在自然界中，協(xié)作使弱勢物種能夠在不同物種爭奪有限資源的環(huán)境中生存，協(xié)作也可以讓具有不同優(yōu)勢的物種交換資源得以協(xié)同進化。受大自然的啟發(fā)，醫(yī)療CPS通過網(wǎng)絡協(xié)作將優(yōu)勢資源進行最大化整合是提高決策可靠性的有效方法，但需要平臺作為應用支撐。此外，醫(yī)療CPS對醫(yī)療決策的及時性要求較高，因此，提高協(xié)作網(wǎng)絡的通信效率也是醫(yī)療CPS協(xié)作平臺有效應用的重要保障之一。

2相關研究

人體是復雜的物理系統(tǒng)，醫(yī)療CPS按照醫(yī)學的規(guī)律將計算、控制、交互有機結合，實現(xiàn)信息與人體的深度交互。在過去的十年里，越來越多的研究人員、工程師和醫(yī)務人員參與了醫(yī)療CPS的研究工作。這些研究涉及智能醫(yī)療設備［5］、生理數(shù)據(jù)識別［6］、嵌入式醫(yī)用軟件設計［7－8］、網(wǎng)絡服務［9－11］、異構系統(tǒng)交互［12］、患者隱私保護等諸多方面。其中，文獻［13］開發(fā)了用于監(jiān)測心率的醫(yī)療CPS平臺。文獻［14］設計了一個用于檢測早期陣發(fā)性交感神經(jīng)多動癥的醫(yī)療CPS診斷平臺。文獻［15］開發(fā)了一個開源的醫(yī)療CPS平臺，該平臺包括用于醫(yī)療設備（包括麻醉機、呼吸機和患者監(jiān)護儀）的軟件設備適配器、標準中間件和構建在該平臺上的應用程序，可實現(xiàn)智能報警、生理閉環(huán)控制算法、數(shù)據(jù)可視化和臨床研究數(shù)據(jù)采集等功能。文獻［16］提出了一種用于CPS與醫(yī)療設備通信的實時大數(shù)據(jù)計算平臺。文獻［17］強調了醫(yī)療CPS在機器人手術環(huán)境中的重要性，提出了一種用于機器人協(xié)作手術的CPS設計方法，旨在降低機器人手術系統(tǒng)的脆弱性。文獻［18］提出了一個由集中式醫(yī)療CPS架構開發(fā)的數(shù)據(jù)分析模塊，有助于最終實現(xiàn)患者健康監(jiān)測和遠程治療自動化。文獻［19］對醫(yī)學領域中人類交互假設中的約束類別進行了分類，并開發(fā)了一個數(shù)學假設模型，使用醫(yī)療呼吸機作為案例研究，以顯示數(shù)學假設模型提高呼吸機和醫(yī)療CPS安全性的原理。文獻［20］研究了電子病歷系統(tǒng)與CPS系統(tǒng)的接口設計。該接口主要用于生理數(shù)據(jù)的自動讀取，避免了人為的錯誤，提高了系統(tǒng)CPS的安全性。文獻［21］針對惡意入侵醫(yī)療CPS的行為會影響患者數(shù)據(jù)和系統(tǒng)可用性的問題，提出將法醫(yī)學原理和概念集成到醫(yī)療CPS的設計和開發(fā)中，以增強組織的調查態(tài)勢，并為進一步完善醫(yī)療CPS調查的具體解決方案奠定了基礎。文獻［22］討論了遠程調整醫(yī)療CPS醫(yī)療設備輸出和驅動所必須解決的一些問題，例如驗證問題。文獻［23］繪制了醫(yī)療CPS的抽象體系結構，以演示各種威脅建模選項；還討論了可能的安全技術及其在安全醫(yī)療CPS設計中的適用性和實用性。以上研究多從醫(yī)療CPS內部出發(fā)，通過優(yōu)化醫(yī)療設備、系統(tǒng)交互接口、模型設計等方面提高醫(yī)療CPS的可靠性和安全性，并未考慮醫(yī)療CPS的網(wǎng)絡化發(fā)展。內部的優(yōu)化無法打破本地資源的局限性，只有開放、共享、協(xié)作才能更大限度地提高醫(yī)療CPS的可靠性。

3醫(yī)療CPS協(xié)作平臺

在傳統(tǒng)醫(yī)療模式下，醫(yī)生面對多并發(fā)癥疾病時，通常開展線上或線下的多學科聯(lián)合會診［24－25］。傳統(tǒng)模式通過靜態(tài)數(shù)據(jù)分享和語言溝通完成醫(yī)療決策，但人體是一個復雜的生理系統(tǒng)，靜態(tài)數(shù)據(jù)的全面性不足，連續(xù)動態(tài)的生理數(shù)據(jù)才更有臨床決策價值。醫(yī)療CPS的優(yōu)勢是對連續(xù)動態(tài)數(shù)據(jù)的采集和分析，因此，需要構建一個協(xié)作平臺以支持醫(yī)療CPS的深度協(xié)作與共享，從而彌補本地知識庫和專科醫(yī)生知識的局限性，進一步提升醫(yī)療CPS的可靠性。

3．1平臺架構設計

在醫(yī)療CPS內部，患者的生理數(shù)據(jù)通過傳感設備實時采集，并存儲在臨床信息系統(tǒng)中。輔助決策系統(tǒng)讀取并判斷是否需要進行多學科聯(lián)合治療。需要聯(lián)合治療的醫(yī)療CPS向協(xié)作平臺發(fā)送協(xié)作申請，并通過平臺與1個或多個目標醫(yī)療CPS開展網(wǎng)絡協(xié)作。如圖1所示，平臺提供異構系統(tǒng)對接、生理數(shù)據(jù)識別、網(wǎng)絡控制、消息管理和存儲等服務。醫(yī)療CPS通過平臺協(xié)作將網(wǎng)絡優(yōu)質醫(yī)療資源加入到疾病的治療閉環(huán)中，提高了決策單元的可靠性。

3．2網(wǎng)絡架構設計

醫(yī)療CPS協(xié)作是為完成多學科聯(lián)合治療任務而在網(wǎng)絡上進行分布式計算的過程。網(wǎng)絡架構設計與協(xié)作效率密切相關。平臺網(wǎng)絡中存在大量的異構醫(yī)療CPS，且分布不均。新接入網(wǎng)絡的醫(yī)療CPS通常與擁有優(yōu)質醫(yī)療資源的醫(yī)療CPS建立連接。隨著時間的推移，平臺網(wǎng)絡的拓撲結構與無標度網(wǎng)絡的拓撲結構一致。這樣大規(guī)模的復雜系統(tǒng)需要合理的網(wǎng)絡架構來優(yōu)化網(wǎng)絡資源管理。軟件定義網(wǎng)絡（SoftwareDefinedNetwork，SDN）架構具有控制靈活、資源分配靈活的優(yōu)點，但無法滿足大規(guī)模網(wǎng)絡控制需求。協(xié)作平臺網(wǎng)絡架構在SDN三層網(wǎng)絡架構的基礎上，將控制層進行分級處理，如圖2所示，控制層分為低級控制區(qū)和高級控制區(qū)。低級控制區(qū)的控制器控制聚類內的連續(xù)動態(tài)數(shù)據(jù)傳輸。高級控制區(qū)的控制器控制跨聚類連續(xù)動態(tài)數(shù)據(jù)傳輸。應用層是用戶需求和協(xié)作平臺之間的交互。物理層由支撐平臺運行的硬件設備組成。

4網(wǎng)絡控制策略優(yōu)化

網(wǎng)絡控制指標通常包括控制器負載、平均通信時延和孤立節(jié)點數(shù)。控制器負載是控制器控制范圍內的節(jié)點數(shù)量，優(yōu)化的目標是使控制器之間的負載差異最小化，避免資源浪費。平均通信時延是節(jié)點和控制器之間的平均通信時間，孤立節(jié)點數(shù)是需要跨聚類通信的節(jié)點數(shù)量，兩者值越小，通信的代價越小。

4．1低級控制器部署

4．1．1問題模型。假設網(wǎng)絡拓撲建模為關系圖Gswitch＝〈S，E〉，S是網(wǎng)絡內醫(yī)療CPS的集合，E是醫(yī)療CPS間鏈路的集合。如果網(wǎng)絡被劃分為k個聚類，每個聚類由一個低級控制器控制，則低級控制器的數(shù)量為k。假設網(wǎng)絡內包含n個醫(yī)療CPS，則醫(yī)療CPS的集合表示為S＝｛s1，s2，…，sn}，低級控制器的集合表示C＝｛c1，c2，…，ck}，低級控制器與醫(yī)療CPS之間的通信時延表示為τ，τ＝1v∑ni＝1d（C（si），si），其中d（C（si），si）表示第i個醫(yī)療CPS與聚類內低級控制器的通信距離，v是速度參數(shù)，i＝1，2，…，n。低級控制器j的負載表示為Γj，是其控制聚類內醫(yī)療CPS的數(shù)量之和，所有低級控制器的平均負載表示為Γaverage。孤立節(jié)點的數(shù)量為m，σ表示低級控制器負載的均衡度。低級控制器部署是一個多目標優(yōu)化問題，目標函數(shù)表示為：Fmin＝（τ，σ，m）＝P＋Q＋min（m）（1）P＝min∑ki＝11v×ni∑nij＝1d（C（si），si）（）（）（2）Q＝min1k∑kj＝1（∑Γj－Γaverage）2（）（3）4．1．2HCD算法。網(wǎng)絡具有無標度網(wǎng)絡特性，醫(yī)療CPS分布符合冪律分布，即醫(yī)療CPS越密集，需要部署的低級控制器數(shù)量越多。HCD（HoneyCombDerivation）算法是在網(wǎng)絡拓撲上進行蜂窩衍生。蜂窩衍生的方法是采用正六邊形的蜂窩網(wǎng)格作為衍生單位。網(wǎng)絡內選擇一個醫(yī)療CPS節(jié)點，并以該節(jié)點為初始點，邊長為r的正六邊形作為初始蜂窩網(wǎng)格，以初始蜂窩網(wǎng)格為中心，向6個方向分別衍生6個蜂窩網(wǎng)格，直到所有的醫(yī)療CPS被蜂窩網(wǎng)格覆蓋。蜂窩網(wǎng)絡被廣泛采用源于一個數(shù)學結論，即以相同半徑的圓形覆蓋平面，當圓心處于蜂窩網(wǎng)格的格點時所用圓的數(shù)量最少，即使用最少的控制器可以覆蓋最大面積的圖形。雖然在通信中使用圓形來表述實踐要求通常是合理的，但出于節(jié)約設備構建成本的考慮，蜂窩網(wǎng)格是最好的選擇。蜂窩衍生完成后，記錄每個蜂窩網(wǎng)格內醫(yī)療CPS的總數(shù)并將其記為該蜂窩網(wǎng)格的度數(shù)，再根據(jù)度數(shù)進行優(yōu)化組合，形成醫(yī)療CPS聚類。每個醫(yī)療CPS聚類的中心網(wǎng)格部署低級控制器。圖3顯示了HCD算法的4個主要步驟，分別為蜂窩衍生、蜂窩標記、節(jié)點聚類和聚類優(yōu)化。

4．2高級控制器部署

4．2．1問題模型。高級控制器部署在低級控制器部署完成的基礎上進行。低級控制器部署為高級控制器部署提供了基礎的網(wǎng)格分布圖，但CCD算法重新進行網(wǎng)格度數(shù)計算，僅考慮低級控制器數(shù)量及其負載。假設蜂窩的度數(shù)表示為L＝｛l1，l2，…，ln}，如果一個蜂窩網(wǎng)格僅包含醫(yī)療CPS，則l1＝0，否則l1＝Γj＝∑Lj，Lj是低級控制器j所在聚類內醫(yī)療CPS數(shù)量。σ是高級控制器負載的均衡度，σ＝1k∑kj＝1，Γaverage是高級控制器的平均負載，m是孤立節(jié)點的數(shù)量，τ是各高級控制器與其聚類內低級控制器的通信時延總和，τ＝1v∑ki＝1d（C（ci），ci）。高級控制器部署的目標函數(shù)表示為：Fmin（τ，σ，m）＝A＋B＋min（m）（4）A＝min∑ki＝11v×ni∑nij＝1d（C（sj），sj）（）（）（5）B＝min1k∑ki＝1（∑Γj－Γaverage）2（）（6）4．2．2CCD算法。CCD（CooperativeControllerDeployment）算法根據(jù)蜂窩距離來對低級控制器進行聚類，由于低級控制器較醫(yī)療CPS數(shù)量少，位置更為分散，過多強調負載的優(yōu)化會導致平均通信時延的增加。因此，CCD算法在優(yōu)化平均通信時延的基礎上兼顧負載均衡。算法首先根據(jù)低級控制器的部署對蜂窩網(wǎng)格進行重新標記。如果蜂窩網(wǎng)格中沒有部署低級控制器，則li＝0，否則li不為0。選取k個距離分散的網(wǎng)格作為初始中心網(wǎng)格，計算每個網(wǎng)格與k個中心網(wǎng)格的距離，并與距離最近的中心網(wǎng)格聚為一類。所有網(wǎng)格完成聚類后，計算每個聚類負載，將大于負載閾值的網(wǎng)格重新分配至與負載聚類中最近的聚類，直到所有聚類負載均小于負載閾值。各聚類中心點所在的網(wǎng)格部署高級控制器。

5仿真實驗

5．1HCD算法仿真

實驗旨在對比K－means算法和HCD算法在低級控制器部署過程中對平均通信時延、控制器負載和孤立節(jié)點數(shù)量3個指標的優(yōu)化情況。假設實驗拓撲是一個由20個節(jié)點組成的BA網(wǎng)絡。采用Python工具進行仿真，仿真結果如圖4和圖5所示。以k＝3為例，HCD算法將節(jié)點2，6，8，10，13聚為一類；節(jié)點1，3，4，5，7，9，11聚為一類；節(jié)點12，14，15，16，17，18，19，20聚為一類。K－means算法將節(jié)點1，2，3，4，5，6，7，8，9，10，13聚為一類；節(jié)點11為一類；節(jié)點12，14，15，16，17，18，19，20聚為一類。根據(jù)HCD算法的聚類結果，低級控制器分別部署在節(jié)點6，7，15。根據(jù)K－means算法的聚類結果，低級控制器分別部署在節(jié)點2，11，15。表1分別對比了k＝3和k＝4時低級控制器部署的各類指標，結果顯示K－means算法作為經(jīng)典的聚類算法，局限于優(yōu)化平均通信時延和孤立節(jié)點兩個指標，忽略了控制器負載均衡問題；HCD算法在犧牲較少平均通信時延的情況下，大幅度提升了低級控制器的負載均衡，且通過聚類的優(yōu)化剔除了孤立通信節(jié)點。在低級控制器部署（k＝3）完成基礎上，均采用K－means算法對低級控制器進行聚類，如圖6所示。表2列出了部署2臺高級控制器的指標對比情況，顯然HCD算法也間接優(yōu)化了高級控制器部署的指標。

5．2CCD算法仿真

實驗旨在對比K－means算法、HCD算法和CCD算法在高級控制器部署過程中對平均通信時延、控制器負載和孤立節(jié)點數(shù)量3個指標的優(yōu)化情況。假設實驗拓撲是一個由20個節(jié)點組成的BA網(wǎng)絡，低級控制器數(shù)量k＝8，分別部署在HCD算法的聚類結果顯示，部署在節(jié)點5，6，8的低級控制器聚為一類，部署在節(jié)點11，12，14的低級控制器聚為一類，部署在節(jié)點15，16的低級控制器聚為一類。CCD算法的聚類結果顯示，部署在節(jié)點5，6，8的低級控制器聚為一類，部署在節(jié)點11，14的低級控制器聚為一類，部署在節(jié)點12，15，16的低級控制器聚為一類。K－means算法的聚類結果中，部署在節(jié)點5，6，8的低級控制器聚為一類，部署在節(jié)點11的低級控制器聚為一類，部署在節(jié)點12，14，15，16的低級控制器聚為一類。根據(jù)3種算法的聚類結果，高級控制器分別部署在節(jié)點2，9，17。CCD算法在聚類節(jié)點較少的情況下，較HCD算法和K－means算法在指標的優(yōu)化上效果最好，具體指標對比見表3。6結束語醫(yī)療CPS是醫(yī)院應用的重要系統(tǒng)之一。但醫(yī)學學科的細化和知識庫的局限性，使醫(yī)療CPS應對多并發(fā)癥疾病治療存在可靠性不足問題。文中提出了醫(yī)療CPS協(xié)作架構設計，并考慮到生理數(shù)據(jù)的連續(xù)動態(tài)性和醫(yī)療CPS對決策及時性要求較高，設計了協(xié)作網(wǎng)絡的控制架構，提出了HCD算法和CCD算法對網(wǎng)絡節(jié)點進行聚類以輔助兩級控制器的部署，從而提升協(xié)作效率。實驗對比了HCD算法、CCD算法和K－means算法對目標函數(shù)的優(yōu)化情況，結果表明HCD算法和CCD算法對兩級控制器的部署均優(yōu)于K－means算法。醫(yī)療CPS網(wǎng)絡化、協(xié)同化發(fā)展是大數(shù)據(jù)時代醫(yī)院信息化發(fā)展的趨勢，提高醫(yī)療決策可靠性也契合了國家精準醫(yī)療戰(zhàn)略的需求。醫(yī)療CPS協(xié)作平臺設計和協(xié)作網(wǎng)絡控制策略優(yōu)化，為醫(yī)療CPS整合優(yōu)質醫(yī)療資源，提升決策可靠性提供了實踐方案。異構系統(tǒng)之間的協(xié)同問題與協(xié)作同步問題，將是后續(xù)的研究工作。

作者:劉麗 李仁發(fā) 單位:中南大學湘雅三醫(yī)院 湖南大學信息科學與工程學院