استفاده از اینترنت اشيا جهت ارتقا بهداشتِ ساختمان های هوشمند

چکيده – امروزه تعداد زیادی از بيماران وجود دارند که در خانه تحت درمان قرار می گيرند. زمان هایی وجود دارد که این افراد ممکن است وارد یک وضعيت بحرانی شده و نياز به کمک داشته باشند. خانه های هوشمند به عنوان یکی از زمينه های کاربردی اینترنت اشيا، از ضروریات عصر حاضر برای بهتر زیستن در جوامع محسوب می شود. همچنين پيشرفت در رایانش فراگير و اینترنت اشيا (IoT)، تجهيزات ارزان و کارامدی را فراهم کرده است تا بتوان با به کارگيری آن ها در خانه های بهداشتی هوشمند (HSH) ميزان دقت درمان را بهبود بخشد. با توجه به این که استفاده از دوربين و پردازش تصویر در IoT به خصوص در زمينه HsH، می تواند برای پرستاران یا مراقبان جهت کمک کردن بهنگام- به بيماران و / یا افراد مسن که بخشی از سيستم های مراقبت در منزل می باشند- سودمند واقع شوند. این مقاله به بررسی استفاده از تصاویر بيمار و تشخيص احساسات او جهت کمک به بيماران و افراد مسن در زمينه مراقبت های بهداشتی در خانه می پردازد. با توجه به این که پياده سازی این برنامه کاربردی با استفاده از فناوری اینترنت اشيا، بسيار آسان و ارزان بود، نمونه اوليه از طرح پيشنهادی روی چندین پلت فرم محاسباتی اجرا شد. نتایج حاصله دلالت بر امکان پذیر بودن طرح پيشنهادی بودند.

1- مقدمه

امروزه در سرتاسر دنيا، از اینترنت برای جستجوی در وب، ارسال و دریافت ایميل، دسترسی به محتوا و خدمات چندرسانه ای، بازی های کامپیوتری، شبکه های اجتماعی و بسياری از کارهای دیگر استفاده می نمایند. پيش بينی می شود که در دهه آینده، اینترنت به عنوان سيستم یکپارچه ای از اشياء کلاسيک و به هم مرتبط باشد که در آن خدمات و مفاد مورد نياز همه جا در دسترس باشد. در چنين دیدگاهی، عبارت اینترنتی از اشياء به طور گسترده ای استفاده می شود. این نوآوری با قرار دادن تجهيزات الکترونيکی در اشياء فيزیکی، هوشمند ساختن اشياء و ميسر نمودن یکپارچه سازی در زیرساخت جهانی که منتج به سایبرفيزیکال می گردد، توانمند می گردد. شش مورد از مزایایی که اینترنتی از اشياء به عنوان نقش رهبری می تواند تأمين نماید عبارت خواهد بود از: پایش زیست محيطی، شهرهای هوشمند، کسب و کار هوشمند/ مدیریت توليد و موجودی، خانه های هوشمند/مدیریت ساختمان هوشمند؛ مراقبت های بهداشتی و امنيتی و نظارت. در حال حاضر کنترل از راه دور اطلاعات لوازم خانگی مبتنی بر زیرسيستم های اینترنتی از اشياء نظير نسخه 6 پروتکل اینترنت) آدرس IP نسخه (IPv6) 6 ) در یک شبکه خانگی به یک درخواست مهم از طرف مصرف کنندگان تبدیل شده است. چندین پژوهش در جهت بهينه سازی مصرف انرژی در خانه های هوشمند، می توان یافت. در 15 سال اخير تعداد سالمندان به طور فزایندهای در حال افزایش می باشد .این افراد که بيشتر مستعد بيماری هستند، اکثراً به تنهایی زندگی می کنند. همچنين، آن ها اغلب بعد از درمان و یا پس از مرخصی در منزل مراحل درمان های بعدی را می گذرانند. با در نظر گرفتن این که کارکرد اوليه خانه هوشمند این است که با نيازهای ساکنين خانه انطباق یابد و این که آن ها چگونه فعاليت های خود را به انجام می رسانند را مورد بررسی قرار دهد در نتيجه استفاده از تکنولوژی های خانه های بهداشتی هوشمند HSH بسيار ضروری است .می توان این تکنولوژی را به صورت خانه های هوشمندی که با دستگاه های تخصصی (عمدتاً سنسورها و محرک ها) جهت مراقبت های بهداشتی از راه دور، مجهز شده است، تعریف کرد .این تکنيک در چند مقاله، استفاده شده است، که در آن نویسندگان راه حل های تکنيکال را جهت کمک به مراقبين در مواقع نياز برای نظارت مردم ارائه داده اند. در طول تحقيقات مشخص شد که بسياری از این پروژه های تحقيقاتی جهت بهبود زندگی روزمره بيماران به آن ها ابزارهای خاصی مانند آلارم هشدار را ارائه کرده اند. در بسياری از تحقيقات نشان داده شده است که احساسات نقش مهمی را در بهبود بيماری دارد و این موضوع توسط نویسندگان مورد بررسی قرار گرفته است. به همين دليل این مقاله یک راه حل مراقبت های بهداشتی در خانه با استفاده از تصاویر و حالات چهره جهت نظارت بر بيماران و افراد مسن که نيازهای ویژه ای دارند، ارائه شده است. داشتن حالات چهره در طی یک دوره زمانی می تواند به پرستار کمک کند تا از روی آن حالات بتواند تصميم بگيرد که بيمار تا چه حد احساس درد دارد و آیا به کمک نياز دارد یا نه؟
این مقاله به صورت زیر تدوین شده است :مفهوم ساختمان هوشمند و همچنين ساختار آن بعد از ظهور اینترنتی از اشياء، در بخش دوم توضيح داده شده است. در بخش سوم، روش پيشنهادی جهت بهره برداری از فن آوری اینترنت اشيا برای بهبود درمان در خانه های بهداشتی هوشمند از طریق شناسایی بيمار و تشخيص احساسات او شرح داده می شود. بخش چهارم به نتایج های حاصل از آزمایشات تخصيص داده شده است. نتيجه گيری و کارهای آتی در بخش پنجم آمده است.

2- مفهوم ساختمان هوشمند

خانه هوشمند به معنای محيط زندگی هوشمند برای انسان است که باعث راحتی افراد می شود، رفاه را ارتقاء می دهد، و امنيت حيات را تامين می کند. به خاطر رشد سریع فناوری IT و توسعه ی اینترنت، دستگاه های دیجيتال می توانند IP آدرس را دریافت کرده با یکدیگر ارتباط برقرار کنند. با پيشرفت دستگاه های هوشمند و فناوری شبکه، تمامی دستگاه های موجود در خانه از طریق یکدیگر به هم متصل می شوند. با انجام این کار، بسياری از خدمات مکمل تامين می شود و آن ها زندگی را راحت تر می کنند. خانه هوشمند دارای 4 بخش است: دستگاه های هوشمند، شبکه خانگی، ورودی خانه و پلت فرم خدمات؛ که در شکل 1 نشان داده شده است. در سيستم خانه هوشمند، بسياری از دستگاه ها به هم متصل شده و اطلاعات خود را از طریق شبکه خانگی به اشتراک می گذارند. بنابراین، ورودی خانه برای کنترل جریان های اطلاعاتی در بين دستگاه های هوشمند و مرتبط کردن شبکه خارجی استفاده می شود .پلت فرم خدمات معمولا در سمت تامين کننده ی خدمات قرار دارد و می تواند برای تحویل خدمات گسترده به دستگاه های خانگی استفاده شود.

استفاده از اینترنت اشيا جهت ارتقا بهداشتِ ساختمان های هوشمند

شکل 1: ساختار خانه هوشمند

نسل جدید خانه هوشمند کامل ترین تعریف را در حال حاضر ارائه می دهد که شامل کنترل هوشمندانه 6 بخش: روشنایی، سرمایش/گرمایش، امنيتی، سينمای خانگی و پخش فيلم، سيستم پخش موسيقی و سایر تجهيزات الکترونيکی قابل کنترل با رله (شير برقی، پرده برقی و غيره) می شود. لازم به ذکر است در نسل جدید، خود کاربر تعيين می کند که به کدام یک از بخش های فوق نياز دارد.

1-2- خانه هوشمند “پس از ظهور اینترنتی از اشيا ”

اینترنتی از اشياء آینده ای را مجسم می کند که در آن موجودیت های فيزیکی و دیجيتالی می توانند با یکدیگر ارتباط داشته باشند، بدین معنی که فناوری های اطلاعاتی و ارتباطی مناسب قادرند دسته بندی جدید از برنامه های کاربردی و خدماتی ایجاد کنند. اینترنتی از اشياء به عنوان یک فناوری زیرساختی مناسب برای سيستم های کنترل خانه با برد پایين بی سيم در نظر گرفته شده است. در حقيقت خانه ها و ساختمان های هوشمند طيف وسيعی از خدمات، برنامه های کاربردی، تجهيزات، شبکه ها و سيستم ها را که در کنار یکدیگر به منظور فراهم کردن یک محيط هوشمند برای حوزه هایی نظير امنيت و کنترل، ارتباطات، اوقات فراغت و آسایش، یکپارچگی محيطی و دسترس پذیری پوشش دهی می کنند. تعدادی از نمونه کاربردهای این دیدگاه عبارتند از: 1- کنترل هوشمند: امکان کنترل روشنایی خانه قبل از ورود و بعد از خروج را برای کاربر فراهم می آورد که این امر از لحاظ امنيتی نيز کاربرد دارد. -2 تنظيم خودکار دمای خانه مبتنی بر تشخيص غيرحضوری: از این طریق می توان به حداکثر صرفه جویی در مصرف انرژی دست پيدا کرد، 3 -کنترل سرگرمی/رسانه :با استفاده از این سيستم یکپارچگی فعاليت های سرگرمی و رسانه ای خانه از قبيل موسيقی، ویدئوهای تصویری، کنسول های سرگرمی و غيره در مقایسه با کارکرد مستقل هرکدام راحت تر شده و کنترل آن ها از راه دور ممکن می گردد. هر قدر دانش بيشتری درباره دارایی ها در یک خانه هوشمند وجود داشته باشد، سيستم بهتر می تواند به عنوان یک مراقبت کننده مستقل عمل نماید به طوری که یک محيط امن و راحت و دوستدار محيط زیست ایجاد نماید

3- استفاده از تکنيک اینترنت اشيا جهت شناسایی بيمار و تشخيص احساسات او در خانه های هوشمند

در حال حاضر تعداد زیادی از بيماران که در خانه تحت درمان هستند وجود دارد. همچنين تعداد این افراد به طور قابل توجهی در پانزده سال گذشته افزایش یافته است و اغلب این افراد در خانه درمان می شوند. زمان هایی وجود دارد که این افراد ممکن است وارد یک وضعيت بحرانی شوند و نياز به کمک داشته باشند) مثل زمان رویارویی با یک حادثه، یا موقع افسرده شدن(. پيشرفت در رایانش فراگير و اینترنت اشياء (IoT) تجهيزات ارزان و کارامدی را فراهم کرده اند که شامل ارتباطات بی سيم و دوربين ها می باشد مانند تلفن های هوشمند و دستگاه های جاسازی شده مانند Raspberry Pi رایانش جاسازی شده، امکان توسعه خانه های بهداشتی هوشمند (HSH) را که قادر باشد ميزان دقت درمان را در خانه بهبود بخشد، ميسر کرده است. استفاده از دوربين و پردازش تصویر در IoT به خصوص در زمينه HsH، کاربردی است که هنوز به طور کامل در مقالات مورد بررسی قرار نگرفته است. اگرچه استفاده از تصاویر برای مسائلی مانند ایمنی و اقدامات نظارتی و مراقبتی در خانه به طور متداول مرسوم است. آن ها کمتر برای کمک به بيماران و / یا افراد مسن که بخشی از سيستم های مراقبت در منزل می باشند، استفاده شده است .به نظر ما، این تصاویر می توانند برای پرستاران یا مراقبان جهت کمک کردن بهنگام به بيماران، سودمند واقع شوند .این برنامه کاربردی می تواند با استفاده از فن اوری اینترنت اشياء، بسيار آسان و ارزان پياده سازی شود. این مقاله به بررسی استفاده از تصاویر بيمار و تشخيص احساسات برای کمک به بيماران و افراد مسن در زمينه مراقبت های بهداشتی در خانه می پردازد. نمونه اوليه از طرح کلی ما برر روی چندین پلت فرم محاسباتی اجرا شد و نتایج امکان پذیر بودن رویکرد ما را نشان داد.

1-3- سيستم پيشنهادی در ساختمان های هوشمند جهت شناسایی بيمار

ما یک سيستم به نام معماری هوشمند برای مراقبت های بهداشتی در خانه که به اختصار SAHHc ناميده می شود را پيشنهاد دادیم. SAHHc بر مبنای استفاده از اینترنت اشياء جهت نظارت هوشمندانه و منحصر به فرد افراد مسن در خانه هایشان می باشد. SAHHc از دو عنصر تشکيل شده است: 1-حسگر -2 سيستم تصميم گير.
حسگرها، دستگاه هایی هستند که در محيط توزیع شده اند؛ تعداد آن ها خيلی زیاد است و کارشان جمع آوری اطلاعاتی راجع به وضعيت بيمار (اطلاعاتی مانند، گرفتن تصویر (و ارسال این اطلاعات به سمت عنصر تصميم گيرنده می باشد. سنسورها قادر به شناسایی حضور افراد هستند و همچنين قادر هستند که تصاویر آن ها را بگيرند. هنگامی که فرد وارد اتاق می شود، دستگاه فعاليت او را ثبت می کند و تصاویر شخص را جمع آوری می کند تا پردازش کند و مشخصه های صورت شخص را به دست آورد. اگر توسط دستگاه شناسایی شد که این شخص همان فرد بيمار نيست رفتار این شخص نادیده گرفته خواهد شد. اگر تشخيش داده شود شخص همان فرد بيمار مورد نظر می باشد، فعاليت های او تحت نظارت قرار می گيرد و همچنين تصاویر چهره فرد جهت به دست آوردن حالات احساسی او مورد استفاده قرار می گيرد. عنصر تصميم گيرنده، اطلاعات دریافت شده را پردازش می کنند و در جهت حفاظت سلامت بيمار و دادن درمان مناسب به آن ها تصميمی را اتخاذ می کند. در حقيقت عنصر تصميم گيرنده رابط بين بيمار و پرستار می باشد. همه دستگاه ها بر روی منبع تغذیه خانگی نصب شوند و از یک باتری به عنوان منبع پشتيبان استفاده شد. همچنين محل اقامت دارای یک شبکه ارتباطی داخلی بود که توسط سيستم مورد استفاده قرار داده شد. ما مدل SAHHc خود را بر مبنای مدل ارائه شده در توسعه دادیم. تا بتوانيم در آن ویژگی های جدیدی را هم در زمان اجرا با توجه به ملزومات هدف و محيطی به سيستم اضافه کنيم . ما SAHHc را به صورت 3 سطح که هر سطحی قابل تنظيم است طراحی کردیم (شکل 2).

استفاده از اینترنت اشيا جهت ارتقا بهداشتِ ساختمان های هوشمند

شکل2: سطوح مدل SAHHc

به طور خلاصه SAHHc به سه سطح تنظيم می شود: سطح صفر(توسط دستگاه تعبيه شده): این مرحله عمل تشخيص چهره را انجام می دهد، پيش پردازش و شناسایی بيمار انجام می گيرد و همچنين حالات چهره مشخص می گردد .سطح 1 (سرور محلی): عمل نظارت بر خانه و نظارت سلامت بيماران را انجام خواهد داد. همچنين کنترل کل قسمت های سيستم توسط این قسمت انجام می شود .سطح 2 (سرور از راه دور): زمانی که سرور محلی دارای سربار زیاد باشد و نامتعادل باشد و توان پردازش را نداشته باشد، آنگاه پردازش تصویر توسط ابر انجام می شود که این بخش موجب می شود سيستم پيشنهادی ما مقياس پذیر باشد.

2-3- استفاده از الگوریتم بهينه سازی ازدحام ذرات و شبکه عصبی جهت شناسایی بيمار و تشخيص حالات چهره از روی تصویر

در روش پيشنهادی برای استخراج ویژگی از الگوریتم بهينه سازی ازدحام ذرات استفاده شده است. الگوریتم بهينه سازی ازدحام ذرات یا به اختصار PSO که از عملکرد دسته جمعی گروه های حيوانات مانند پرندگان و ماهی ها اقتباس شده است در سال 1995 توسط جيمز کندی و راسل ابرهارت معرفی گردید. بهينه ساز اجتماع ذرات با یک جمعيت از جواب های تصادفی (ذره ها) شروع به کار می کند، سپس برای یافتن جواب بهينه در فضای مسئله با به روز کردن مکان ذره ها به جستجو می پردازد. در روش پيشنهادی شناسایی حالت های چهره، پس از اینکه ویژگی های برجسته تر با استفاده از الگوریتم بهينه سازی ازدحام ذرات انتخاب شد، بردار ویژگی های منتج نهایی به عنوان ورودی به یک شبکه عصبی داده می شود. شبکه های عصبی، طبقه بند الگوها می باشند اما هر طبقه بند الگو، شبکه عصبی نيست. برخی از ویژگی های مختص به شبکه های عصبی که سایر طبقه بندها دارا نيستند توانایی آن ها در یادگيری و تعميم است. در الگوریتم پيشنهادی از شبکه عصبی RBF جهت طبقه بندی حالات چهره استفاده شده است. شبکه های RBF معمولا شامل سه لایه می باشند: لایه ی ورودی، لایه ی مخفی با یک تابع فعاليت RBF غيرخطی و لایه ی خروجی. ساختار شبکه در روش پيشنهادی شامل یک گره ورودی به ابعاد بردار ویژگی ها، یک لایه مخفی و هفت گره خروجی متناظر با یکی از حالت های عصبانيت، انزجار، تنفر، ترس، شادی، ناراحتی و تعجب می باشد .تابع Radial Basis استفاده شده برای تابع تحریک فيلدهای پذیرنده می تواند فرم های مختلفی داشته باشد. رایج ترین فرم برای تابع تحریک Radial Basis تابع گوسی N بعدی می باشد. آموزش این شبکه عصبی در واقع روی تغيير وزن اتصالات خروجی و تغيير عرض توابع گوسی متمرکز است.

4- نتایج آزمایشات

در این مقاله برای بررسی صحت سيستم پيشنهادی به کار رفته جهت شناسایی بيمار و تشخيص احساسات او از پایگاه داده های توسعه یافته حالات چهره cohn-kanade که به اختصار CK+ می باشد، استفاده شده است. این پایگاه داده شامل 210 دنباله تصاویر از بزرگسالان در محدوده سنی 18 تا 150 سال است که  %69 این افراد زن و مابقی مرد می باشند. از نظر پراکندگی نژاد 81 % آن ها آمریکایی – اروپایی، 13 % آفریقایی – آمریکایی و 6% آن ها از دیگر گروه ها هستند (شکل 3).

استفاده از اینترنت اشيا جهت ارتقا بهداشتِ ساختمان های هوشمند

شکل 3: نمونه ای از تصاویر پایگاه داده Cohn-Kanade

با این حال، تنها یک زیر مجموعه از تصاویر پایگاه داده CK+ برای آزمایش که خيلی هم به هرم شبيه نباشند، استفاده شد، همچنين فقط از تصاویر رو به جلو برای تشخيص احساسات استفاده کردیم. پایگاه داده Cohn- Kanade تقریباً حالت استاندارد پيدا کرده و نتایج کارهای مشابه با آن مقایسه می گردد. برای آموزش و آزمایش روش پيشنهادی از 360 چهره مختلف از تو تصویر حالت چهره 107 شخص مربوط به این پایگاه داده استفاده شده است. در این ميان 220 داده برای آموزش و 140 داده برای آزمایش مدنظر گرفته شده است و این کار ده بار به صورت دوره ای برای آزمایش تمام افراد انجام می گيرد و چهره های مورد آزمایش در هر مرحله در آموزش شبکه دخالت داده نمی شوند. توجه کنيد که در الگوریتم PSO، اندازه جمعيت 5002، 502 نسل در کل آزمایشات ما در نظر گرفته شد. در بيشتر موارد الگوریتم PSO در کمتر از 502 نسل همگرا شد.

جدول 1: ميزان دقت طبقه بندها نسبت به شناسایی بيماران آزمایش

آزمایش طبقه بند
Bayesian

Networks

Decision

Tree

Fuzzy SVM NN+PSO

روش پيشنهادی

اول 90.00 96.50 82.50 99.50 99.50
دوم 93.50 94.00 87.00 100 100
سوم 91.50 95.00 86.00 99.50 100
چهارم 92.00 94.00 81.00 98.50 100
پنجم 89.00 97.00 84.00 99.50 100
ششم 87.00 96.50 85.00 99.00 100
هفتم 86.00 92.00 85.00 99.50 100
هشتم 88.00 96.50 82.00 98.00 99.00
نهم 85.00 94.00 86.50 99.00 99.50
دهم 87.00 95.00 83.00 99.00 100
ميانگين 88.90 95.05 84.02 99.15 99.80

جدول 1 ميزان دقت را نسبت به شناسایی بيماران نشان می دهد. نتایج دلالت بر این دارد که الگوریتم روش پيشنهادی (ترکيب PSO و شبکه عصبی) بهتر از بقيه الگوریتم های دیگر عمل کرده است. اگرچه الگوریتم های دیگر نيز به نسبت نرخ بالایی از دقت را به دست آوردند. هرچند که طبقه بندها دقت شناسایی بالاتری (تقریباً نزدیک) به روش پيشنهادی به دست می آورد ولی با توجه به این که دارای هزینه محاسباتی خيلی بالاتری نسبت به روش پيشنهادی است به همين دليل ما برای شناسایی بيماران روش پيشنهادی را که دقت بالا و هزینه محاسباتی کمتری دارد را ترسيم دادیم. همچنين همان طور که در شکل 4 دیده می شود، روش پيشنهادی در شناسایی حالات چهره هم دقت بالاتری را نسبت به سایر طبقه بندها به دست آورده است.

استفاده از اینترنت اشيا جهت ارتقا بهداشتِ ساختمان های هوشمند

شکل 4: دقت تشخيص حالات چهره با استفاده از طبقه بندهای مختلف

5- نتيجه گيری

اینترنت اشيا مفهومی رایانشی است برای توصيف آینده ای که در آن اشيای فيزیکی یکی پس از دیگری به اینترنت وصل می شوند و با اشيای دیگر در ارتباط قرار می گيرند و می توانند زندگی و شغل ما را به یک مرحله مدرن و هوشمند تغيير دهد. با ایجاد زیرساخت های مناسب برای به کارگيری این فناوری، خانه های هوشمند، مناطق مسکونی هوشمند و کاربردهای بيشتری در آینده پدید خواهد آمد. در این مقاله، استفاده از تصاویر و احساسات جهت کمک به درمان بيماران توسط متخصصان در محيط های خانه هوشمند با یک روش خودکار و از طریق اینترنت اشياء مورد بحث و بررسی قرار گرفت (بدون نياز به دخالت انسان). ما از تصاویر جهت شناسایی و ردیابی فرد مورد نظر در خانه استفاده کردیم. دقتی که جهت شناسایی فرد با استفاده از روش پيشنهادی توسط آزمایشات به دست آمد در حدود 99.80 درصد بود. با توجه به گفته روانشناسان که احساسات نقش مهمی را جهت شناسایی حالات بيمار و درمان بيماری بازی می کند، از این رو ما معتقد هستيم که شناسایی حالات چهره یک ویژگی مهم در هنگام نظارت از راه دور بيمار در خانه هوشمند می باشد به همين دليل تشخيص حالات چهره در روش پيشنهادی ما مد نظر قرار گرفت. دقت به دست آمده توسط الگوریتم پيشنهادی در حدود 84 درصد بود که با توجه به تحقيقات پيشين این ميزان دقت بسيار مناسب می باشد.