基于物联网技术和CBR的医院智能订餐系统设计

王 飞

(安徽机电职业技术学院信息工程系，安徽 芜湖 241000)

随着网络技术、信息技术的快速进步，物联网技术作为信息产业第四次技术革命的成果正逐步应用到多个生产、服务行业并对社会生产、人们生活方式的改变产生深远影响。依据国家“十二五”重点规划，我国未来将对智能电网、智能交通、智能家居、RFID技术、智能医疗五个物联网应用领域给予特别关注［1，2］。物联网技术在医疗领域具有巨大的应用潜力，已有多家医院在医院信息化建设的基础上逐步将物联网相关技术 (如RFID技术、无线传感技术等)应用临床医疗、药品管理及患者护理等多个方面;实践证明，新技术的应用在提高医疗服务质量的同时也提升了医院整体管理水平［3，4］。患者是医疗领域的核心对象，医院不断完善信息化建设的重要目的之一就是为患者提供更优质、便捷的服务。目前，随着物联网技术在医疗行业的不断深入应用，医院信息化建设取得了突破性进展，患者在诊疗的各个环节享受到了更优质、可靠、安全的医疗服务。在传统医疗观念中，重视对疾病的药物治疗，却忽视了另一个对疾病治疗与人体健康起到重要影响的因素——饮食，尤其是对处在住院治疗阶段的患者，饮食对恢复健康所起的作用更不容忽视，采用合理的饮食方案会加快恢复健康的进程，不好的饮食习惯会加速疾病的恶化对人体健康产生重大威胁，智能订餐系统的设计旨在帮助患者正确地选择合理的饮食方案来达到辅助治疗的目的。

1 基础知识

1.1 物联网相关技术

物联网是继计算机、互联网与移动通信网之后的世界信息产业第四次技术革命，指的是将各种信息传感设备，如射频识别RFID装置，红外感应器，全球定位系统，激光扫描器等种种装置与互联网结合起来而形成的一个巨大网络，通过融合定位追踪、远程控制、决策支持等多种技术，实现对万物的管、控、营一体化管理［5，6］。相对于传统的互联网而言，物联网的一个重要特征就是应用传感技术和RFID技术来获取信息，再经过有线或无线组网形成物物相连的物联网。传感器是指能感知、采集规定的被测信息并将其转换为所需信号的一种装置，常用医用传感器有体温传感器与血压传感器等;RFID技术是一种通过无线电讯号识别特定目标并与之交换信息的无线通信技术。传感技术和RFID技术是物联网感知层重要的技术组成部分，传感器和RFID装置在医疗领域的应用已非常普遍。在智能订餐系统设计中，引入带有RFID读写器的物联网智能终端可以实现在诊疗、订餐等各环节中自动读写与病人相关的信息。

1.2 基于范例推理 (Case Based Reasoning，CBR)

类比法——用过去解决相似问题的经验来解决当前问题的一种方法，这是人们在解决实际问题时最常用的办法之一;基于范例推理是以人在解决问题时采用类比法的思路为基础的一种人工智能范式［7－9］。基于范例推理通过判断新问题与已解决问题的相似性，找到已知相似问题的解，并对该问题的解适当修正来解决新的问题，这种方法更好地反映了专家思维过程，兼顾了知觉、想象和经验［10］。范例推理系统核心包括范例库、相似度算法和修正机制，范例库在实际应用中是可以不断扩充和完善的［11］。范例推理方法已被广泛应用于解决疾病诊断、工业制造、文本自动分类等多个领域相关问题并取得了很好的效果［12］。

2 范例库的建立、完善及相关算法的设计

2.1 范例库建立

智能订餐系统使用基于范例推理方法来实现在对患者病情分析的基础上提出适合患者的用餐计划同时提醒患者注意饮食禁忌问题，帮助患者选择合理的饮食方案促进恢复健康。

使用基于范例推理的方法来解决问题的思路是用先前解决类似问题的办法来解决当前问题;使用该方法来解决当前问题的前提是必须要有过去解决类似问题的范例库 (知识库)，建立范例库的过程实际上就是系统的学习过程。在系统设计中，将过去来医院诊疗的病例经过整理、归类形成病例库，对于病例库中每类病例经过相关领域专家的研究提出合理的饮食方案，同时将该类疾病的饮食禁忌也重点列出以提醒后续患者。将经过整理、归类的病例信息和专家制定的饮食方案及饮食禁忌信息共同形成训练知识库，通过对典型病例的学习逐步形成可用的范例库，具体的流程如图1所示:

图1 范例库建立流程

如图1所示，样本数据库存储医院方收集、整理出来的典型病例集，规则数据库存储专家针对相关病例制定的饮食计划及饮食禁忌，规则数据库和样本数据库是按疾病类型相对应的。范例库的扩充训练集是用来存储系统在运行中遇到新的病例类型的集合，新的病例类型是指在范例库中找不到与该病例相似的范例而无法提出饮食方案与建议的病例;需要通过相关领域专家和主治医生为该病例重新制定合理的饮食方案后再提供给患者使用，系统将该病例及对应的饮食方案存储到扩充集中以便在后续学习训练形成新的可用范例。

系统学习过程是先对训练病例文本进行分词与特征抽取工作，剔除无关信息后将所需关键词留下 (如疾病名称、具体症状等，化验指标信息、血压、体温等)形成病人信息向量，表示为＜年龄、疾病名称、化验指标信息、治疗时间、当前症状、用药情况、体温、血压…＞，统计每个分量在病例中出现的频率作为初始权重，然后对向量中的每个分量通过TF－IDF算法计算出其权重，具体公式为:

其中，fij是特征项Tj在病例历di中出现的频率，N为di所在类的病例总数，nj为该类中包含特征项Tj的病例总数，最后按照权重由高到低取前n个关键词作为该类病历特征向量，最后表示为:＜h1，h2，h3，…，hn＞;其中，hi为第 i个特征项的权重;由于系统中每个病例都会形成一个特征向量，考虑到范例库的规模和检索效率，可以对形成的特征向量集进行聚类操作，对每类病例形成为数不多的典型向量集，用典型向量集形成范例集存储到范例库中。

2.2 病例向量的表示及向量相似度算法设计

依据范例库范例的向量表示方法，将当前病人的病历通过预处理 (分词、特征项抽取、权重计算)后形成向量 di=＜wi1，wi2，wi3，…，wim＞，其中，wim为第m个特征项的权重。经过处理后，当前病例和范例库中的某一个范例就表示成向量空间的两个点，分别是di与dj，向量空间两个点之间的相似度可以采用余弦公式 (公式2)来计算。在公式2中，di和dj为两个向量，wik为di向量中第k个分量的权重，wjk为向量dj中第k个分量权重。

依据余弦公式，可以计算出当前病历与范例库中每个范例的相似度，找到相似度最高的范例作为解决问题的范例。为了防止当前病例与范例库中所有范例相似度都很低而导致提出错误解决方案的情况出现，特设定一个阀值，当相似度最高的范例与当前病历的相似度高于该阀值则采用该范例，否则系统将提请主治医生或专家为该病例单独制定饮食方案。

2.3 范例的检索及范例库的扩充

依据向量相似度计算公式 (公式2)来检索计算当前病历与范例库中的范例的相似度，根据专家建议设定相似度阀值，当检索到的相似度最高的范例与当前病历相似度高于阀值，则采用该范例的饮食方案作为当前病例的饮食方案;如果检索到的所有范例与当前病例相似度的最高值低于设定的阀值，这说明范例库中没有存储可应用于当前病例的范例，需要向该病例的主治医生或专家提出为该病例单独制定饮食方案，最后将该病例的特征向量及设定好的饮食方案作为一个新的范例填入范例扩充训练集中以备系统再次学习使用，使系统范例库不断扩充和完善。具体流程见图2所示。

图2 病历相似度匹配及范立库扩充流程

3 系统设计

3.1 物联网智能终端的应用

当前，在物联网技术应用行业及领域范围不断扩大，物联网技术的应用对社会生产及人们生活方式的改变产生深远影响。在医疗领域，运用RFID技术和传感技术来实现对信息的自动获取的物联网智能终端广泛地应用在智能医疗系统中。在智能订餐系统设计中，应用RFID技术实现对诊疗病人信息的自动获取及存储 (包括病人基本信息、诊疗信息、用药信息等)，应用传感技术实现对病人实时病理体征数据采集 (包括血压、心率、体温等);物联网智能终端包括智能订餐终端、医师诊疗终端、药品管理终端、医疗仪器设备管理终端等。物联网智能终端的应用使得系统的智能化水平进一步上升，在方便患者和医生的同时也提升了医院的服务质量，为医院树立了良好的形象。

3.2 系统工作过程

在系统的设计中，对住院病人采用电子病历来存储患者信息，每个病人入院时核发带有无源RFID芯片的诊疗卡，RFID芯片中记录了病人的基本情况如身份证号、姓名、年龄等。在病人治疗的过程中，通过带有RFID读写器的智能终端将主治医生对病人的诊断及治疗用药过程也记录到RFID芯片中，同时将病人完整信息进行存储到医院HIS系统后台数据库中。

病人在病房或是食堂智能终端进行订餐时，将诊疗卡放到智能终端识别区，智能终端获取到病人相关基本信息并通过与后台信息服务器进行通信获得病人的完整电子病历，同时智能终端的血压传感器与体温传感器也将病人实时血压和体温信息读取并传送给后台服务处理模块，后台服务处理模块获取到病人的电子病历、病人血压和体温信息后首先对病人信息进行分析和预处理，得到当前病例向量。系统后台处理程序对范例库进行范例的检索及与当前病例进行相似度匹配，若匹配成功，则在终端显示对应的饮食方案及饮食忌口注意事项;若找不到可用范例，则反馈信息告知患者其饮食要遵医嘱，同时系统会自动提请病人主治医生通过医用智能终端为病人制定饮食方案。主治医生或专家制定了相关饮食方案后，该方案与相应病例向量一同作为新的范例存储到范例库扩充训练集中以备系统后续训练学习使用。

3.3 系统架构设计

该智能订餐系统采用C/S(客户端/服务器)模式和B/S(浏览器/服务器)模式相结合软件技术来实现，其中对于稳定性和安全性要求较高、数据运算量比较大的系统学习模块、范例库扩充模块的实现采用C/S模式，订餐请求、数据采集、新病例饮食方案制定模块采用B/S模式，用户通过客户端的浏览器对订餐请求、数据采集、新病例饮食方案制定模块进行访问。该系统与HIS(Hospital Information System)系统实现无缝连接，采用基于Web Service消息处理机制，实现跨平台通信。系统软件部分主要由病例信息预处理模块、特征抽取模块、系统学习模块、CBR推理模块、范例库维护及扩充模块、系统配置模块等组成。系统硬件主要包括范例库数据库服务器、HIS系统数据库服务器、WEB服务器、病人自助订餐智能终端、医用智能终端等组成;系统软硬件连接总体架构如图3所示。

图3 系统总体架构图

4 结束语

为住院病人服务的智能订餐系统将物联网技术和基于范例推理 (CBR)方法应用到系统设计中。该系统实现根据病人病情和所处治疗阶段提供合理的饮食方案，并提醒患者就餐注意事项及忌口信息，帮助患者通过选择科学合理的饮食方案而尽快恢复身体健康。系统运行过程中随着新病例的不断增加在主治医师和相关领域专家的配合下自动完善、扩充现有知识系统，不断提高系统解决问题的能力，为患者提供更加优质、安全的辅助医疗服务。

［1］俞磊，陆阳，朱晓玲，等.物联网技术在医疗领域的研究进展［J］.计算机应用研究，2012，29(1):1－7

［2］姬晓波，曾凡，张敏，等.物联网技术及其在医疗系统中的应用［J］.医疗卫生装备，2010，31(12):102－103

［3］李劼，周鸣，董立波，等.物联网行业中的智能医疗应用［J］.移动通信，2011，(15):22－25

［4］郑晓蕊，崔炜.物联网在医疗行业中的应用［J］.河北联合大学学报(医学版)，2013，15(4):558 －559

［5］王保云.物联网技术研究综述［J］.电子测量与仪器学报，2009，23(12):1 －7

［6］袁伟，孙永强.物联网技术的并行工程应用与实践［J］.宜春学院学报，2013，35(3):32 －34

［7］姚志强，余嘉元.基于范例推理:原理、研究及应用［J］.宁波大学学报(教育科学版)，2004，26(4):13－18

［8］张治洪.基于范例推理的结核病专家系统［J］.天津理工学院学报，1997，13(3):75 －79

［9］万武男，王晓京，宋春雨，等.基于范例推理的合同网模型［J］.小型微型计算机系统，2005，26(9):1579－1581

［10］耿焕同，李杰.范例推理在文本自动分类中的应用［J］.情报理论与实践，2007，31(6):837－840

［11］倪志伟，蔡庆生.范例推理系统中范例库维护［J］.小型微型计算机系统，2003，24(10):1825－1828

［12］张婷慧，耿焕同，蔡庆生，等.基于CBR的文本自动分类研究［J］.计算机应用，2005，25(9):2028－2030