基于改進型交互式遺傳算法的醫療機械優化設計

謝元媛，王磊

(烏魯木齊職業大學，1.應用工程學院，2.信息工程學院，新疆，烏魯木齊 830023)

0 引言

在繁榮的經濟時代，人類更加關注自身的身體健康，此種需求將推動醫療設施的發展與壯大。目前醫療機械的發展處于初始階段，醫療機械作為醫療行業內的專用機械工具，能夠幫助醫護工作人員從事人為難以實現的手術操作。但在實際應用過程中，存在諸多操作不便利的地方，比如在現有機械設計中，臨床使用時人性化及操作便利性存在著明顯的缺陷，需進一步矯正此種缺陷，并通過升級機械的操作技術來調整現有醫療機械的狀態，進而獲取治療效果良好的醫療機械設備。為此，不少研究學者針對醫療機械設計中的問題進行機械設計研究，不斷推動醫療機械的發展進程。

文獻[1]借助于SolidWorks軟件，對機械的三維數字化進行了設計，并根據D-H方法對機械的姿態運動方程進行了構建，通過數學模型的方式得出機械臂的位姿，這種方式雖然為遠程醫療服務提供理想的實驗對象，但是在臨床應用中，其舒適度欠佳。文獻[2]通過提高老年人醫療器械產品設計體驗進行的設計，該技術通過分析醫療器械存在的特點和老年人在醫療過程中的認知心理和行為特征等情況，進而設計出人性化設備。該設備雖然解決了文獻[1]中存在的技術不足，但是該設備的人性化僅僅是針對老年人，不具有普遍適用性。

上述問題可以總結為

(1) 臨床應用中，舒適度不高，不能滿足患者需求;

(2) 人性化適用范圍小，不能滿足大部分患者的需求。

為此，針對上述問題，本文在情感化醫療機械設計的基礎上提出一種新式基于人性化理念的醫療機械設計研究，并將改進型交互式遺傳算法模型融合到架構設計中，提升了機械設計的精度標準安全性,更符合患者需求。

1 基于改進型交互式遺傳算法的設計

人性化理念設計是出于對患者需求方面的考慮，在醫療機械的設計過程中，應始終圍繞患者的需求進行設計操作與管理，在醫療設備設計的初期，需要不斷地考慮設備內部和數據之間的矛盾，強化矛盾緩和機制，建立一個良好的設備需求數據競爭平臺[3]。對設備進行容量限制分析，加大對患者安全防護措施的力度，研究不同區域患者與自身所在區域之間的關系，并建立關系橋梁，查詢內部參照功能，檢查與醫療設備有關的部件信息，及時轉換部件信息，通過內部需求傳遞通道將收集到的醫療設備需求數據傳送到分析空間[6-9]。然后通過分割各種族的數據信息，利用人體模型仿造醫療機械操作過程，調整操作步驟，減少冗余操作，查詢患者的尺寸、視野和肢體參數，并將這些參數匹配到具有高度相關性的內部管理中心對機械操作數據進行標準化處理。本研究采用了改進型交互式遺傳算法實現不同醫療器械數據信息的選擇，設計方法如圖1所示。

圖1 基于改進型交互式遺傳算法的設計架構示意圖

在本研究的設計架構中，由于在設計醫療器械時，需要考慮多方面的因素，而這些因素容易受多種因素的影響，如何選擇人性化的設計元素，需要在數據庫中多種方面進行考慮，本研究采用改進型交互式遺傳算法不斷產生遺傳操作，并對選擇的個體進行評估，直到設計者選擇出合適的個體為止，然后在對這些個體進行最佳適應度評價。通過改進型交互式遺傳算法實現人性化設計元素的預測[4-5]、評估，最終實現醫療器械設計元素的應用。

通過上述設計模型，能夠區分儀器所處的操作等級，根據等級信息對儀器信息進行劃分。根據顧客信息內容收集顧客信息，并控制器械配置方向。通過對儀器與人體特征的匹配，對不同方位醫療儀器操作位置進行相關的理論研究，畫出顧客需求信息單，并將信息單中的內容全部轉存到需求分析系統中，等待系統的內部分析操作。對不同客戶需求的關聯進行持續的研究，將關聯程度較高的數據放入同一個數據集。

然后檢驗醫療設備運行安全，避免醫療事故的發生。減慢設備安裝速度，調配醫院環境，及時處理各地區需求信息，調動信息庫，直接收錄各地區需求信息[6-7]。當進行交互設計時，應將設計中的過程參數反映到主控制系統中，并對操作保持高度警覺，建立主控制系統過程參數操作圖,如圖2所示。

圖2 主控系統過程參數操作圖

通過患者與器械間的接觸行為判斷需求參數對整體醫療器械操作的影響，為此，利用參數表信息對照內部系統信息，實現對醫療器械裝置的初次需求分析。在實現儲存需求分析后，對存儲的數據進行合理模塊劃分，及時改造不同空間的醫療器械改造需求，將器械外觀與客戶需求相連接，構建較為良好的設計模型[8]，實現對醫療器械的需求分析操作。下面對本研究方法的關鍵技術進行研究。

2 改進型交互式遺傳算法模型

在本研究的改進型交互式遺傳算法模型中，改進型交互式遺傳算法模型主要融合了極限學習機(ELM)算法，采用該算法的目的在于，能夠充分利用前饋神經網絡[9-10]結構，在多種醫療器械設計庫中經過不斷的迭代計算，最終輸出最優解。

圖3 改進型交互式遺傳算法模型操作流程示意圖

下面結合圖3通過分步驟的方式對改進型交互式遺傳算法模型操作流程進行以下說明。

(1) 用戶根據人性化的設計需求，從數據庫中選擇需要的設計元素，然后對數據庫中的設計元素進行編碼和數據設置[1-2]。為了提出數據的計算精度，可對數據進行初始化設置。

(2) 啟動ELM模型，ELM模型的結構架構示意圖如圖4所示。

圖4 ELM模型示意圖

在圖4的結構設計中，其數據結構上包含有數據輸入層、隱藏層和輸出層，在設置不同層的節點時，該數據模型在改進型交互式遺傳算法模型中能夠快速進行數據分類。下面通過公式表達的方式實現數據分類描述。

首先在ELM模型[11-12]輸入層中輸入醫療器械設計元素的不同數據信息，然后在隱藏層設置其與輸出層輸出節點之間的連接權值wj，wj介于0.2～3.7的常數。輸出層輸出權值向量為βj，再設置隱藏層中第j個隱層節點的偏置數據量bj，在醫療器械數據元素庫中的數據樣本中，設置樣本集合為{xi,yi,i=1,2,…,n}，醫療器械數據元素庫中的數據被分類為m種數據類型，則存在ys∈{1,-1}(1

(1)

式中，i=1,…,n,h(wj·xi+bj)表示為激活函數，簡稱為h(·)，能夠實現函數的啟動與計算，其中隱含層輸出矩陣可表示為

(2)

隱含層輸出權重可以通過以下公式表示

WO=M+Y

(3)

輸出層實現的醫療器械數據元素庫數據輸出函數可以記作為

(4)

為了進一步地提高醫療器械數據元素庫數據選擇的訓練精度，在必要時，再計算出ELM模型的特征向量[14-15]，通過以下公式表示:

(In+λLHβ)×v=γHTHv

(5)

式中，v=v2,v3,…,vn0+1，其中的β可以為

β= v2, v3,…, vno+1

(6)

通過上述計算，能夠在用戶選擇的醫療器械數據元素庫眾多數據信息中根據顏色[16-17]、光澤或者結構形態等輸出適合人性化設計的數據信息。

(3) 然后判斷輸出的數據信息是否滿足要求，當滿足要求時，則數據訓練結束，當不滿足要求時，則再次輸入適應度值。該步驟是通過人性化感受來界定。當用戶能夠根據人性化標準進行輸出數據信息時，則表示該選擇滿足要求，否則表示不滿足要求。適應度值可以為介于0.4～0.9之間的數值。

(4) 然后對醫療器械數據元素庫數據進行遺傳操作，通過對醫療器械數據元素庫數據進行選擇、交叉、變異[18]，假設通過8次迭代計算，則根據以下公式輸出相識度。

(7)

(5) 判斷數據迭代情況，當實際的迭代數據等于設置迭代值時，則產生新一代群體，當實際的迭代數據不等于設置迭代值時，則輸入適應度值，重新進行判斷。

通過上述計算，最終實現了醫療器械數據元素庫數據的選擇。

3 實驗結果與分析

經過以上醫療機械設計研究，匹配相關的實驗研究操作研究本文設計的操作性能，并構建相應的實驗參數與操作對比本文研究效果。采用的軟硬件環境如表1所示。

表1 硬件參數數據表

通過上述硬件設置，下面將本研究的方法與k-means算法模型進行對比。

試驗時采用的參數信息為公用數據庫，從已知數據庫中輸出多種數據參數，以在檢索精度和誤差計算上進行分析。設置實驗操作步驟如下。

(1) 匹配相關的患者信息，將患者信息錄入醫療機械系統中，并轉化信息數據為操作信息字碼，同時調配與患者操作相關程度較高的內部機械空間，利用機械治療空間參數集中機械管理，不斷提升參數的操作需求，降低管理等級，減少不必要的操作浪費，獲取所需的機械治療信息，設置機械治療信息獲取框圖如圖5所示。

圖5 機械治療信息獲取框圖

(2) 在實現機械治療信息收集后，按照機械的功能界面劃分不同的性能檢測模塊，將屬于同一檢驗模塊的數據收錄至機械空間中，并及時檢驗此刻的機械狀態，不斷整合狀態信息，簡化操作流程，追蹤不同的設備信息，并調整機械的裝置角度，將機械的角度調到合理的操作范圍內，并記錄不同時刻的操作參數。

(3) 將記錄的數據全部整理至中心控制系統中，不斷獲取內部研究數據與機械調節范圍角度數據，掌控醫療機械的操作程度以及操作范圍，并配置基礎研究裝置，強化內部管理系統，加強對醫療機械的管控力度，由此調配合理的操作信息裝置，實現整體實驗操作研究。

將實驗后的數據集中收錄于實驗信息管理空間中，并構建實驗操作參數表如表2所示。

表2 實驗參數

下面將本研究的方法與k-means算法模型在平均相對誤差(MRE)和最小誤差平方和(LSE)上進行對比分析，特定數學計算公式為

(8)

(9)

式中，D為用于驗證醫療器械數據庫中設計元素數據的總樣本，Ae表示通過算法模型輸出的e個檢索設計信息，AMe表示為第e個數據庫中輸出的醫療器械數據信息。這2種方法的誤差對比如表3所示。

表3 誤差對比示意圖

通過表3的數據可以看到，本研究方法MRE為0.101 3，常規技術的k-means算法的MRE為0.179 5，因此本研究方法的算法誤差較小。然后再對比2種方法的LSE，本研究方法MRE為0.145 8，常規技術的k-means算法的MRE為0.247 5，因此，本研究的方法就有明顯的技術進步性。

為了持續性分析本研究的技術效果，通過60個小時的計算，機械操作精準度對比圖如圖6所示。

圖6 機械操作精準度對比圖

從圖6可以分析出，本文研究的基于人性化理念的醫療機械操作精準度可以達到80%以上，而文獻[1]的醫療機械僅能達到60%。由此可見，本文研究的醫療機械有較高的操作精準度，文獻[1]研究的醫療機械操作精準度較低。且本文研究的操作精準度隨時間的增加而不斷上升，上升幅度較大，文獻[1]研究的操作精準度隨也隨著時間增加而不斷上升，但上升的幅度小于本文研究。

綜上所述，本文基于人性化理念的醫療機械設計研究具有良好的機械操作性，同時能夠在較高程度上保障患者的安全性，其人性化設計能夠時刻滿足患者需求，具有較高的發展價值。

4 總結

針對常規技術醫療機械設計中，存在人性化設計性能差的問題，進行了以下技術研究。

(1) 構建出基于改進型交互式遺傳算法的檢索模型，能夠從多種醫療機械設計數據庫中獲取目標數據信息，以實現人性化設計的元素篩選與定位，提高了檢索效率。

(2) 通過在改進型交互式遺傳算法模型中融合ELM算法，在利用前饋神經網絡結構的基礎上，經過不斷的迭代計算，最終輸出最優解。

通過上述介紹，本研究雖然在一定程度上提高醫療器械設計元素的檢索能力，提高了人性化設計能力。但仍舊具有一定的技術弊端，需要進一步地研究。