منصة الرسائل والاطاريح: تصميم وتحليل منظومة مراقبة الرعاية الصحية بالاعتماد على اتصالات الضوء المرئي )(

الخلاصة

الاتصالات الضوئية المرئية (VLC) هي شكل من أشكال الاتصالات اللاسلكية الضوئية (OWC) التي نشأت في السنوات الأخيرة. بدلاً من استخدام الطيف الراديوي لنقل البيانات لاسلكيًا ، فإنه يستخدم طيف الضوء المرئي عبر إضاءة مصابيح الصمام الثنائي الباعث للضوء (LED). على الرغم من أن VLC يمكنه معالجة بعض مشكلات اتصالات الترددات الراديوية في مواقف معينة ، إلا أن قدراته على تطبيقات إنترنت الأشياء (IoT) لم تتحقق بعد. تم أخذ الفوائد العديدة لـ VLC في أنظمة مراقبة الرعاية الصحية ، وخاصة شريحة كبار السن من الأشخاص في المستشفيات. فحصت الأطروحة تطبيقين لتقنية VLC: الأول هو نظام مراقبة الرعاية الصحية الذكي باستخدام تقنية Li-Fi (وهو تطبيق عملي لـ VLC) القائم على إنترنت الأشياء. والثاني هو نظام تحديد المواقع الداخلي (IPS) لمراقبة وضع المريض باستخدام تقنية VLC. في النظام الأول ، يتم نقل درجة الحرارة ومعدل ضربات القلب للمريض عبر تقنية Li-Fi ، ثم إلى محطة التمريض المركزية. يتم تحميل هذه البيانات إلى سحابة منصة ThingSpeak عبر كود Python حتى يتمكن الطبيب من مشاهدتها في أي مكان. يتم توفير هذا النظام أيضًا من خلال إرسال إشعارات البريد الإلكتروني في الحالات غير الطبيعية. تم تصميم النظام وتنفيذه بجميع الخطوات ، بما في ذلك اختيار المكونات وبرمجة التشغيل. تضمنت البرامج والأنظمة الأساسية المستخدمة Arduino Integrated Development Environment (IDE) للحصول على بيانات المستشعر ، ومنصة Thingspeak IoT كواجهة مستخدم رسومية للطبيب ، ولغة Python لتحميل هذه البيانات إلى Thingspeak ، وتطبيق (If-this-then-that (IFTTT لغرض التنبيه. تم تقسيم النتائج إلى جزأين. الجزء الأول يتعلق بتقنية Li-Fi. اختبر النظام مسافات متعددة ، وحالة قناة مختلفة، والضوضاء المحيطة. الجزء الثاني كان نتائج إنترنت الأشياء ، حيث تم تقديم النتائج على منصة ThinkSpeak والإخطار عبر البريد الإلكتروني في الحالات الحرجة. تم اختبار النظام بنجاح على مرضى مستشفى الامام الصادق - مدينة بابل. النتائج التي تم الحصول عليها تمت الموافقة عليها ومرضية. أما النظام الثاني فيعتمد على تحديد مكان المريض داخل المستشفى باستخدام تقنية VLC. يعتمد النظام المصمم على خوارزمية هجينة جديدة. لها خطوات مختلفة. أولاً ، تقسم طريقة الدمج العقد الثابتة بأكملها إلى مجموعات مختلفة. ثانيًا ، يتم استخدام نهج تحديد موقع المربعات الصغرى الموزونة (WLS) لحساب موضع المريض من قبل كل مجموعة. بعد ذلك ، يتم استخدام اختيار العقدة الثابتة (AS) لتحديد المجموعة التي تتمتع بأفضل دقة لتحديد المواقع باستخدام مقياس الخطأ المتوسط التربيعي المشتق (MSE). أخيرًا ، يتم اختيار المجموعة المحددة لنقل المريض باستخدام موضعها المقدر كنقطة أولية لنهج تحديد المواقع بأقصى احتمالية (ML). تظهر نتائج المحاكاة أن الخوارزمية المقترحة تتفوق على WLS ونهج ML التقليدي. وجد أيضًا أن زيادة عدد مصابيح (LEDs) في السقف يؤدي إلى تحسين دقة النظام .تمت المحاكاة بمساعدة MATLAB 2019A.