Формирование качества медицинского обслуживания невозможно без наличия в ЛПУ медицинских информационных систем, интегрированных в систему электронного здравоохранения [5, 6, 8]. Это достигается внедрением в организацию работы ЛПУ электронного документооборота, с возможностью групповой работы над различными документами (электронной амбулаторной картой, электронной историей болезни и т.д.). Большое значение для медицинского учреждения имеет и эффективное использование компьютерной техники, входящей в телемедицинскую сеть [7, 9].
В отличие от офисных зданий и промышленных объектов, в больницах много сложных технических систем и дорогостоящего оборудования, а в большую часть здания доступ практически открыт. Кроме того, там находятся пациенты с ограниченной подвижностью, к исследованию состояния которых могут быть применены методы съема и обработки биоэлектрических сигналов (электрокардиограмм, электроэнцефалограмм и электромиограмм). Такое сочетание имеет ряд рисков, которые требуют комплексных мер безопасности [4].
Управление доступом в больнице может изменяться в зависимости от типа здания, его устройства и назначения помещений. Гардеробные, серверные помещения и важное техническое оборудование должны охраняться постоянно. Другие помещения имеют свободный доступ в дневное время, а в ночное время они доступны только авторизованным посетителям (с пропусками или смарт-картами). В другие зоны, в свою очередь, право доступа предоставляется только врачам и младшему медицинскому персоналу. Возможна взаимозависимость между различными дверями, например дверь может открываться только после того, как другая закроется. В целом доступ в любую зону может контролироваться в зависимости от времени, места и цели посещения.
Система комплексной безопасности в отделениях медицинских учреждений позволяет решать следующие задачи:
– охранное видеонаблюдение за территорией, входами и внутренними помещениями больницы, а также возможность видеонаблюдения за ходом проведения хирургических операций;
– архивирование тревожных событий, вызовов из палат, ведение журнала вызовов и создание видеоархива, в том числе и из операционных;
– срочный вызов медицинского персонала к пациенту в больничную палату и контроль оперативности работы младшего медицинского персонала;
– разграничение доступа персонала и посетителей в помещения больницы, а также регистрация и учет посетителей и больных;
– автоматическое открытие въездных ворот для машин скорой помощи, регистрация времени въезда/выезда;
– пожарная охрана (охранная и пожарная сигнализация).
Управляющее программное обеспечение позволяет использовать систему контроля доступа как основу общей системы безопасности, включая видеонаблюдение. Управляющее программное обеспечение тегирует видео (т.е. маркирует, сопровождает тегами); поэтому, когда двери открываются, к этому видео добавляется электронный индекс. Пользователи просто нажимают на это событие, и необходимость в многочасовом просмотре видеозаписей отпадает.
Прежде чем принять решение, по которому будет выстраиваться система безопасности больницы, необходимо провести всеобъемлющую оценку рисков. Для этого составляется список всех отделений и определяются уровни угроз в каждом из них; проводится опрос руководителей отделений, в ходе которого выясняются существующие и потенциальные угрозы. На следующем этапе планируются возможные меры защиты для каждого отделения [6]. После этого переходят к разработке генерального плана. Когда план будет готов, его проверяют в реальных условиях.
Методы и системы позиционирования
Существующие системы определения координат можно условно разделить на две группы: системы радиолокации и системы радионавигации. Различие между терминами заключается в назначении этих систем: термин «радиолокация» используется при определении координат объекта системой, тогда как термин «радионавигация» используется в случае систем, предназначенных для помощи объекту в вопросе определения своих координат. В качестве примера использования радиолокации можно привести многочисленные радиолокационные системы военного назначения, в качестве примера использования радионавигации больше подходят системы гражданского назначения – системы навигации воздушных и морских судов, в частности наземные системы VOR (VHS Omnidirectional Ranging), спутниковые системы GPS (Global Positioning System), Galileo, ГЛОНАСС, Beidou (Compass).
Помимо приведенных выше в качестве примера специализированных систем, требующих дорогого оборудования и высокого энергопотребления, следует отметить появляющуюся в настоящий момент возможность определения координат в различных сетях связи (GSM, CDMA, WiMAX, WiFi) [7]. В зоне действия сети возможно определение месторасположения абонента на основе информации от находящихся рядом базовых станций (координаты которых фиксированы и известны). Для этого надо оценить расстояния до близлежащих стационарных передатчиков; при наличии измерений до трех (или более) базовых станций месторасположение абонента определяется как точка пересечения окружностей с известными радиусами вокруг точек с известными координатами. Этот способ применяется при отслеживании месторасположения абонента в сетях сотовой связи, основным ограничением является зона действия сети. Примером существующих систем определения координат является система RADAR, основанная на использовании сети WLAN. Система RADAR использует алгоритм ближайшего соседа и имеет среднюю ошибку измерения координат 2,94 метра [11]. Погрешность была уменьшена до 2,37 метра путем усовершенствования системы RADAR алгоритмом Viterbi [13].
Одна из самых лучших систем позиционирования на сегодняшний день является система Ekahau (Ekahau Positioning Engine – EPE) [12]. Система позиционирования Ekahau – это программное обеспечение реального времени, использующее для работы сеть стандарта IEEE 802.11. EPE предоставляет сведения о точном местоположении, статусе и присутствии для Wi-Fi меток, а также поддерживаемых Wi-Fi совместимых устройств. Возможности EPE включают точное определение места – закрепление Wi-Fi меток Ekahau на людях и различных объектах позволяет EPE собирать данные о местоположении и статусе метки, создавать визуальную картину отслеживаемых предметов внутри ЛПУ. В дополнение к определению местоположения Wi-Fi меток EPE отслеживает устройства, оснащенные Wi-Fi адаптерами, такие как ноутбуки, смартфоны, сканеры и т.д. Оператор осуществляет полный контроль над системой и в любой момент может определить, какое количество меток зарегистрировано в системе, текущий статус и местоположение любой метки. Метки могут сообщать о событиях, например, когда объект начал движение или остановился, передавать сигнал оператору в случае нажатия кнопок на метке, а также сигнал тревоги.
Разработка приложений для беспроводных сенсорных сетей (БСС)
Беспроводная сенсорная сеть представляет собой совокупность миниатюрных вычислительных устройств, снабженных датчиками и способных к передаче данных по радиоканалам. Эти устройства называют «мотами» (от английского mote – «пылинка»). Важным элементом сети является базовая станция (или шлюз), на которую поступает вся собираемая датчиками информация. На базовой станции сенсорная информация проходит предварительную обработку и передается далее в корпоративную сеть для дальнейшего анализа и использования. Моты, образующие сеть, связаны между собой беспроводными радиоканалами. Выбор маршрутов коммуникации осуществляется динамически по алгоритмам, реализуемым протоколами связи. Передача сообщений по сети происходит поэтапно, от одного мота другому.
В некоторых случаях успешное использование системы позиционирования может потребовать предварительной инсталляции весьма значительного числа опорных узлов сети. В то же время технология ZigBee позволяет осуществлять беспроводное управление в домашних, офисных и промышленных помещениях. Соответственно, предполагается, что в ближайшем будущем во многих зданиях и сооружениях будет развернута сеть ZigBee как часть самой инфраструктуры здания.
В процессе сквозного проектирования адаптивных распределенных сенсорных сетей для медицинского применения, необходимым условием является сопровождение технически сложного проекта. Проект включает такие аспекты разработки, как создание последовательных алгоритмов с последующей их адаптацией для параллельного и распределенного выполнения, верификация полученных алгоритмов путем создания моделей, реализующих запуск алгоритмов на ряде тестовых случаев, моделирование работы адаптивной распределенной сенсорной сети на уровне пакетной передачи, переход к модели, учитывающей специфику медицинского применения цифровых систем (гальваническая изоляция точек обмена информацией, отсутствие или минимизация пропущенных значений), верификации модели, включающей алгоритм экстраполяции по известным значениям, модификация модели для частичной косимуляции с физическим оборудованием и последующим переносом на реальное оборудование [4]. Для сопровождения подобного проекта требуется система, комплексно реализующая вышеуказанные аспекты.
В качестве такой системы авторам представляется адекватным использование MathWorks MATLAB&Simulink, а также ряд пакетов расширений (toolboxes) для MATLAB&Simulink, таких как Instrument Control Toolbox, MATLAB Coder, Simulink Coder, Embedded Coder и другие.
Алгоритмический аспект может быть смоделирован в MATLAB без применения дополнительных пакетов расширений, позволяя протестировать и визуализировать результаты вычислений. Для дальнейшего тестирования алгоритма в параллельном варианте необходим Parallel Computing Tool Box, позволяющий использовать до 12 ядер одновременно на одной физической машине (версия R2013b). Дальнейшее движение по данному вопросу приводит нас к необходимости использования решений, позволяющих реализовать кластерные вычисления, демонстрирующие линейный рост скорости вычислений при наращивании количества процессоров, а также необходимости интеграции в процесс моделирования технологии NVIDIA CUDA, предоставляющей ресурс массивного параллелизма в задачах фильтрации, вейвлет-преобразования, преобразования Фурье сигналов биологических объектов многомерного характера и т.п.
Модельный аспект характеризуется необходимостью автоматизированного синтеза моделей передачи информации на пакетном уровне, учитывающих специфику медицинского применения. Для создания таких моделей возможно использовать Simulink StateFlow диаграммы, а также SimEvents – расширения блоков Simulink, в целом позволяющие смоделировать сложную систему в терминах системы массового обслуживания (СМО) [1]. Дополнительная сложность возникает при необходимости синтеза моделей в автоматизированном режиме при моделировании большой системы (более 1000 элементов). При этом возможно использовать API MATLAB&Simulink для реализации синтезатора модели по входным требованиям, включающим такие ограничения, как количество параметров мониторинга и контроля объекта, наличие или отсутствие у узлов адаптивной распределенной сенсорной сети медицинского назначения географической привязки, специализированных тегов и т.п.
Поскольку модельный эксперимент обладает определенной долей приближения к реальному объекту, то необходимо протестировать полученные модельные выкладки на реальном оборудовании в режиме косимуляции и/или PIL-тестирования. Решение подобной задачи возможно при использовании ряда пакетов расширения MATLAB&Simulink, а также использование так называемой буферной и целевой аппаратной платформы Arduino и сенсорной платформы на базе технологий Nordic Semiconductor соответственно. Метаданные для модельного эксперимента могут быть получены приборами Agilent, Rigol [3].
Заключение
Таким образом, в рамках системы MATLAB&Simulink возможна реализация и сопровождение технически сложных проектов, таких как сквозной синтез адаптивных распределенных сенсорных сетей медицинского применения, что отличает данный подход целостностью и однородностью базы разработки и языка общения специалистов, что позволило запустить процесс синтеза вышеуказанной системы с использованием модельно-ориентированного подхода.