CN112642022B - 一种输液监控系统及监控方法 - Google Patents

一种输液监控系统及监控方法 Download PDF

Info

Publication number
CN112642022B
CN112642022B CN202011623190.4A CN202011623190A CN112642022B CN 112642022 B CN112642022 B CN 112642022B CN 202011623190 A CN202011623190 A CN 202011623190A CN 112642022 B CN112642022 B CN 112642022B
Authority
CN
China
Prior art keywords
infusion
liquid medicine
medicine
height
infusion tube
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202011623190.4A
Other languages
English (en)
Other versions
CN112642022A (zh
Inventor
敖邦乾
林媛
敖林娅曦
敖林曼兮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zunyi Normal University
Original Assignee
Zunyi Normal University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Zunyi Normal University filed Critical Zunyi Normal University
Priority to CN202011623190.4A priority Critical patent/CN112642022B/zh
Publication of CN112642022A publication Critical patent/CN112642022A/zh
Application granted granted Critical
Publication of CN112642022B publication Critical patent/CN112642022B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
    • A61M5/1684—Monitoring, detecting, signalling or eliminating infusion flow anomalies by detecting the amount of infusate remaining, e.g. signalling end of infusion
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M5/00—Devices for bringing media into the body in a subcutaneous, intra-vascular or intramuscular way; Accessories therefor, e.g. filling or cleaning devices, arm-rests
    • A61M5/14—Infusion devices, e.g. infusing by gravity; Blood infusion; Accessories therefor
    • A61M5/168—Means for controlling media flow to the body or for metering media to the body, e.g. drip meters, counters ; Monitoring media flow to the body
    • A61M5/16831—Monitoring, detecting, signalling or eliminating infusion flow anomalies
    • A61M5/1684—Monitoring, detecting, signalling or eliminating infusion flow anomalies by detecting the amount of infusate remaining, e.g. signalling end of infusion
    • A61M5/16845—Monitoring, detecting, signalling or eliminating infusion flow anomalies by detecting the amount of infusate remaining, e.g. signalling end of infusion by weight
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61M—DEVICES FOR INTRODUCING MEDIA INTO, OR ONTO, THE BODY; DEVICES FOR TRANSDUCING BODY MEDIA OR FOR TAKING MEDIA FROM THE BODY; DEVICES FOR PRODUCING OR ENDING SLEEP OR STUPOR
    • A61M2205/00—General characteristics of the apparatus
    • A61M2205/18—General characteristics of the apparatus with alarm

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Anesthesiology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • General Engineering & Computer Science (AREA)
  • Animal Behavior & Ethology (AREA)
  • Evolutionary Computation (AREA)
  • Hematology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Artificial Intelligence (AREA)
  • Vascular Medicine (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Computing Systems (AREA)
  • Molecular Biology (AREA)
  • Multimedia (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Infusion, Injection, And Reservoir Apparatuses (AREA)

Abstract

本发明涉及神经网络及智能控制技术领域，具体为一种输液监控系统及监控方法，包括采用摄像装置监控输液瓶(袋)；采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度；判断药液高度是否低于预设的提醒阈值，若低于，则根据系统内病人信息判断该病人是需要换药还是拔针，并提醒病人和通知护士换药或者拔针；判断药液高度是否低于预设的关闭阈值，若低于触发输液管关闭装置，关闭输液管。本方案能准确监控输液瓶(袋)中药液量，并在护士未能及时处理时关闭输液管，避免医疗事故的发生。

Description

一种输液监控系统及监控方法
技术领域
本发明涉及神经网络及智能控制技术领域，具体为一种输液监控系统及监控方法。
背景技术
在医院，尤其是一些急救科室，给病人进行输液治疗是最常见及有效的一种治疗方式，护士最繁重的工作就是给病人输液。一个护士在自己正常的值班时间内，会给几十个甚至上百个病人进行护理治疗，随时随地高强度的关注哪些输液病人该换药，哪些病人输液完成需要拔针，同时在输液过程中，家属或者护士都要时刻关注输液瓶(袋)中的药液是否输完，以免由于未能及时换药或者拔针造成空气进入血管或者血液倒流造成的医疗事故的发生，对于那些需要长期住院输液的病人，家人或者病人都会陷入疲劳中，而且病人如果没有家属陪同则需要自己随时注意输液瓶(袋)中药液是否输完，因此病人不能得到好的休息，护士也有其他的功能不能时刻关注病人输液瓶(袋)中的药液是否输完。
所以很多从业人员设计了不少的提醒系统，如通过设定最低阈值，利用光电对射管对输液瓶(袋)里面药液量进行监测，当超过阈值时由于光电效应产生变化而进行提醒，但是这种方法会由于药液表面被贴标签而被遮挡及液体透明等原因，会存在很大的误差，甚至光线可能会使某些液体变质。也有很多从业人员尝试通过对输液器中的墨菲氏滴管进行监控操作，通过计算剩余的液体量和当前的滴速来计算可能药液输完需要的时间，这种方法也具有一定的盲目性，如滴速过快时无法进行精确计算。并且只设置提醒系统，并不能帮助护士应对工作多忙不过来时，同时出现多个病人输液瓶(袋)中药液输完的情况。
因此现在提出一种能解决上述技术问题的输液监控系统及监控方法。
发明内容
本发明的目的在于提供能准确监控输液瓶(袋)中药液量，并及时关闭输液管的输液监控系统及监控方法。
本发明提出一种输液监控系统，包括摄像装置、服务器、提醒装置和输液管关闭装置，所述服务器包括检测模块、判断模块和数据存储模块；
所述摄像装置，用于监控输液瓶(袋)，并将视频图像发送给检测模块；
所述检测模块，用于采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度；
所述判断模块，用于判断药液高度是否低于预设的提醒阈值，若低于，则根据数据存储模块中存储的病人信息判断该病人是需要换药还是拔针，并触发提醒装置；
所述提醒装置，用于提醒病人和通知护士换药或者拔针；
所述判断模块，还用于判断药液高度是否低于预设的关闭阈值，若低于，则触发输液管关闭装置；
所述输液管关闭装置，用于关闭输液管；
所述数据存储模块，用于存储病人信息、提醒阈值和关闭阈值。
与现有技术相比，本方案的优点在于：1、采用摄像装置监控输液瓶(袋)，采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度，能实时的监控输液瓶(袋)中的药液量，且摄像头不会对药液产生任何影响；监控输液瓶(袋)中液体的多少相对于去检测液体，其准确度更高，检测更准确，更能及时的提醒病人和通知护士。
2、在通知护士时也告知护士该病人是需要拔针还是换药，进而减少护士的工作量，并且在有多名病人的输液瓶(袋)中药液都要输完的时候，护士可以根据每个病人具体的情况，即病人是需要拔针还是需要换药来决定接下来的工作顺序。
3、提醒阈值、关闭阈值和输液管关闭装置的设定，可以有效帮助护士应对工作多忙不过来时，同时出现多个病人输液瓶(袋)中药液输完的情况。在药液高度低于预设的提醒阈值通知护士，若当护士忙不过来，不能及时给病人拔针或者换药，输液瓶(袋)内的药液继续流，并到达预设的关闭阈值时，触发输液管关闭装置关闭输液管，让输液管内的液体不再流动，防止药液输完，避免造成空气进入血管或者血液倒流造成的医疗事故的发生。
进一步，所述检测模块采用的神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成。
有益效果：检测模块采用的神经网络模型为卷积神经网络由两个卷积层、两个池化层和两个全连接层构成，采用收集的数据集图片对其进行训练，卷积神经网络完成训练和测试，输液瓶(袋)/输液袋检测的准确率可以达到95.6％，保证检测的准确性。
进一步，所述检测模块采用的边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶(袋)边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记。
有益效果：在摄像装置监控输液瓶(袋)时，可能存在输液瓶(袋)的标签遮挡住输液瓶(袋)内药液的液面高度，因此检测模块根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记，已解决标签遮挡住输液瓶(袋)内药液的问题。
进一步，所述检测模块若检测到目标输液瓶(袋)位置与摄像装置的摄像头存在一定的角度偏差，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面。
有益效果：对于经过Canny边缘检测算法检测到的目标输液瓶(袋)中药液的平面，由于目标位置可能与摄像头存在一定的角度偏差，影响后续的提醒阈值和关闭阈值的判断，因此需要对得到的图片进行水平旋转对齐处理，使其不能过早的触发提醒阈值和关闭阈值。
进一步，所述输液管关闭装置夹持在输液管上，所述输液管关闭装置包括壳体，壳体上设置有一个用于输液管通过的Ω形通孔，所述壳体侧面设有第一凹槽，所述第一凹槽侧面设有第二凹槽，所述第一凹槽中设有T型复位杆和T型弹簧杆，所述T型复位杆的杆部设置有用于输液管通过的长通孔，所述长通孔旁边设有用于输液管卡入长通孔的开口，所述T型复位杆头部位于壳体外，所述T型复位杆的杆部底面与T型弹簧杆的头部顶面相抵，所述T型弹簧杆的头部底面与第一弹簧一端连接，所述第一弹簧另一端与第一凹槽底面连接，所述T型弹簧杆的头部侧面设有与第二凹槽对应的第三凹槽，所述第二凹槽内设置有T型限位杆，所述T型限位杆的头部用于限制T型弹簧杆的伸缩，T型限位杆的头部底面与第二弹簧连接，所述第二弹簧另一端连接有电磁铁，所述电磁铁连接有电池和控制器，所述控制器用于控制电磁铁的导电，所述控制器与服务器的判断模块连接。
有益效果：所述输液管关闭装置能关闭输液管，停止输液管中液体的流动，并且可以循环利用，节约使用成本。
本发明提供的基础方案为：一种输液监控方法，包括如下内容：
S1，采用摄像装置监控输液瓶(袋)；
S2，采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度；
S3，判断药液高度是否低于预设的提醒阈值，若低于，则根据系统内病人信息判断该病人是需要换药还是拔针，并提醒病人和通知护士换药或者拔针；
S4，判断药液高度是否低于预设的关闭阈值，若低于触发输液管关闭装置，关闭输液管。
与现有技术相比，本方案的优点在于：1、采用摄像装置监控输液瓶(袋)，采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度，能实时的监控输液瓶(袋)中的药液量，且摄像头不会对药液产生任何影响；监控输液瓶(袋)中液体的多少相对于去检测液体，其准确度更高，检测更准确，更能及时的提醒病人和通知护士。
2、在通知护士时也告知护士该病人是需要拔针还是换药，进而减少护士的工作量，并且在有多名病人的输液瓶(袋)中药液都要输完的时候，护士可以根据每个病人具体的情况，即病人是需要拔针还是需要换药来决定接下来的工作顺序。
3、提醒阈值、关闭阈值和输液管关闭装置的设定，可以有效帮助护士应对工作多忙不过来时，同时出现多个病人输液瓶(袋)中药液输完的情况。在药液高度低于预设的提醒阈值通知护士，若当护士忙不过来，不能及时给病人拔针或者换药，输液瓶(袋)内的药液继续流，并到达预设的关闭阈值时，触发输液管关闭装置关闭输液管，让输液管内的液体不再流动，防止药液输完，避免造成空气进入血管或者血液倒流造成的医疗事故的发生。
进一步，所述神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成。
有益效果：所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成，采用收集的数据集图片对其进行训练，卷积神经网络完成训练和测试，输液瓶(袋)/输液袋检测的准确率可以达到95.6％，保证检测的准确性。
进一步，所述S2中采用边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶(袋)边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记。
有益效果：在摄像装置监控输液瓶(袋)时，可能存在输液瓶(袋)的标签遮挡住输液瓶(袋)内药液的液面高度，因此根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记，已解决标签遮挡住输液瓶(袋)内药液的问题。
进一步，若因为目标输液瓶(袋)位置与摄像装置的摄像头存在一定的角度偏差，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面。
有益效果：对于经过Canny边缘检测算法检测到的目标输液瓶(袋)中药液的平面，由于目标位置可能与摄像头存在一定的角度偏差，影响后续的提醒阈值和关闭阈值的判断，因此需要对得到的图片进行水平旋转对齐处理，使其不能过早的触发提醒阈值和关闭阈值。
进一步，所述输液管关闭装置通过装置上设置的Ω形通孔卡接在输液管上，输液管关闭装置接收到关闭信号后夹紧输液管。
有益效果：所述输液管关闭装置通过装置上设置的Ω形通孔卡接在输液管上，输液管关闭装置接收到关闭信号后夹紧输液管，停止输液管中的药液流动，防止医疗事故的发生。
附图说明
图1是实施例一中一种输液监控系统的原理示意图；
图2是实施例一中一种输液监控系统的输液管关闭装置的俯视图；
图3是实施例一中一种输液监控系统的输液管关闭装置的正视剖面图；
图4是实施例一中一种输液监控系统的输液管关闭装置的俯视剖面图；
图5是实施例二中一种输液监控方法的流程图；
图6是实施例二中一种输液监控方法的训练卷积神经网络模型示意图；
图7是实施例二中一种输液监控方法的深色药液边缘检测算法测试结果示意图；
图8是实施例二中一种输液监控方法的透明药液边缘检测算法测试结果示意图；
图9是实施例二中一种输液监控方法的纠正药液平面示意图。
具体实施方式
说明书附图中的附图标记包括：壳体1、Ω形通孔2、T型复位杆3、T型弹簧杆4、长通孔5、第一弹簧6、第三凹槽7、T型限位杆8、第二弹簧9、电磁铁10、电池11、控制器12。
实施例一
实施例基本如附图1所示：一种输液监控系统，包括摄像装置，服务器，提醒装置，输液管关闭装置，所述服务器包括检测模块、判断模块和数据存储模块。
所述摄像装置，用于监控输液瓶(袋)，并将视频图像发送给检测模块；所述摄像装置采用IP摄像头。
所述检测模块，用于采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度；所述神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成；所述边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶(袋)边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记，以解决标签遮挡住输液瓶(袋)内药液的问题；所述检测模块还用于检测标记药液平面的图片是否因为目标输液瓶(袋)位置与摄像装置的摄像头存在一定的角度偏差而倾斜，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面，使其不能过早的触发提醒阈值和关闭阈值。
所述判断模块，用于判断药液高度是否低于预设的提醒阈值，若低于，则根据数据存储模块中存储的病人信息判断该病人是需要换药还是拔针，并触发提醒装置。
所述提醒装置，用于提醒病人和通知护士换药或者拔针；所述提醒装置包括设置在病床旁边的语音播放器、设置在护士站的显示屏和语音播放器。
所述判断模块，还用于判断药液高度是否低于预设的关闭阈值，若低于，则触发输液管关闭装置。
所述数据存储模块，用于存储病人信息、提醒阈值和关闭阈值。所述存储病人信息可以由服务器与医院系统连接获得，所以提醒阈值和关闭阈值可以网络连接服务器进行设置。
所述输液管关闭装置，用于关闭输液管；所述输液管关闭装置夹持在输液管上，如图2所示，所述输液管关闭装置包括壳体1，壳体1上设置有一个用于输液管通过的Ω形通孔2，如图3所示，所述壳体1侧面设有第一凹槽，所述第一凹槽侧面设有第二凹槽，所述第一凹槽中设有T型复位杆3和T型弹簧杆4，所述T型复位杆3的杆部设置有用于输液管通过的长通孔5，所述长通孔5旁边设有用于输液管卡入长通孔5的开口，所述T型复位杆3头部位于壳体1外，所述T型复位杆3的杆部底面与T型弹簧杆4的头部顶面相抵，所述T型弹簧杆4的头部底面与第一弹簧6一端连接，所述第一弹簧6另一端与第一凹槽底面连接，如图4所示，所述T型弹簧杆4的头部侧面设有与第二凹槽对应的第三凹槽7，所述第二凹槽内设置有T型限位杆8，所述T型限位杆8的头部用于限制T型弹簧杆4的伸缩，T型限位杆8的头部底面与第二弹簧9连接，所述第二弹簧9另一端连接有电磁铁10，所述电磁铁10连接有电池11和控制器12，所述控制器12用于控制电磁铁10的导电，所述控制器12与服务器的判断模块通过网络连接。
具体使用：输液管关闭装置通过Ω形通孔2卡在输液管上，T型限位杆8的头部受到第二弹簧9的弹力卡入T型弹簧杆4的第三凹槽7中，T型弹簧杆4的头部底面的第一弹簧6被压缩，T型复位杆3的杆部底面与T型弹簧杆4的头部顶面相抵，输液管位于长通孔5内。
IP摄像头监控输液瓶(袋)，并将视频图像发送给检测模块，检测模块采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度，判断模块判断药液高度是否低于预设的提醒阈值，若低于，则根据数据存储模块中存储的病人信息判断该病人是需要换药还是拔针，并触发提醒装置，即设置在病床旁边的语音播放器播放提醒语音提醒病人，设置在护士站的显示屏显示病人信息，语音播放器播放病人需求。
若护士不能及时来，输液瓶中液体继续流动，判断模块判断药液高度是否低于预设的关闭阈值，若低于，则向输液关闭装置的控制器12发送关闭信号。当控制器12接收到服务器的判断模块发送的关闭信号，控制器12控制电磁铁10导电，所述电磁铁10只导电一段时间，确保电磁铁10吸引T型限位杆8像其靠近，T型限位杆8压缩第二弹簧9，T型限位杆8的头部离开T型弹簧杆4的第三凹槽7，T型弹簧杆4受到第一弹簧6的弹力，推动T型复位杆3，进而T型复位杆3带动输液管，输液管被压扁卡住，进而输液管中的液体停止流动。需要还原时，按压T型复位杆3的头部，推动T型复位杆3，T型复位杆3推动T型弹簧杆4，T型弹簧杆4压缩第一弹簧6，T型限位杆8受到第二弹簧9的弹力，卡入第三凹槽7中。
实施例二
实施例二基本如附图5所示：一种输液监控方法，包括如下内容：
S1，采用摄像装置监控输液瓶(袋)；本实施例中采用的摄像装置为网络摄像头；
S2，采用神经网络模型检测视频图像中的目标输液瓶(袋)，采用边缘检测算法检测目标输液瓶(袋)中药液高度；
如图6所示，所述神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成。所述卷积神经网络输入的图片为112×112pixels，具体设计内容如下：
(1)、输入的标签数据集等训练集图片分3个通道进入第1个卷积层C1，此处使用32个卷积核，尺寸大小选择效率最高的3×3pixels，生成32个大小为565×56pixels的feature map；
(2)、步骤(1)的feature map经过池化层S2进行降维处理，选用大小为2×2pixels的ave-pooling，获得32个大小为28×28pixels的feature map；
(3)、步骤(2)的feature map进入第二个卷积层C3进行进一步的特征提取，此处使用64个卷积核，尺寸大小选择3×3pixels，生成64个大小为14×14pixels的feature map；
(4)、步骤(3)的feature map经过池化层S4进行降维处理，此处选用大小为2×2pixels的ave-pooling，获得64个大小为7×7pixels的feature map；
(5)、步骤(4)的feature map分别经过神经元大小为512、256的全连接层F6、F7,使用Softmax函数对图片的输出进行二分类：输液瓶或输液袋。
采用20000张图片对所述卷积神经网络进行训练，图片主要来源于医院临床照片，由于资源有限及所需的训练量很大，对部分获取并标记的目标图片进行翻转、旋转、局部压缩、目标扩大、目标部分遮挡等操作，扩大其普适性，并对其进行批量压缩，大小为112×112，选取85％共计17000张图片用于训练，剩下的15％共计3000张照片用于测试。
所述卷积神经网络参数及初始化设计内容如下：
所述卷积神经网络用‘Msra’法初始化所有的卷积层参数，使用随机梯度下降法(SGD)进行迭代，同时使用批量标准化(BN，大小为32)以加快收敛速率，初始化学习率为0.1，衰减因子为0.0001，冲量为0.9，经过迭代后，网络完成训练和测试，输液瓶/输液袋检测的准确率可以达到95.6％。能达到准确识别目标输液瓶(袋)的效果。上述测试结果是由所述卷积神经网络在下表的硬件条件下进行训练及测试得到。
Figure BDA0002876701240000081
所述S2中采用边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶(袋)边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记。并且若因为目标输液瓶(袋)位置与摄像装置的摄像头存在一定的角度偏差，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面。具体内容如下：
S201、使用3×3的高斯滤波器对图像进行平滑处理，滤除噪声，降低检测器对噪声的敏感度，使用正态分布的高斯核
Figure BDA0002876701240000082
与图像上的每个像素点进行卷积操作，其中每个像素值设置为其相邻像素的加权平均值：
Figure BDA0002876701240000083
所述H矩阵为经过归一化处理后的高斯核矩阵，所述A矩阵为图像上的每个像素点组成的像素矩阵。
S202、沿着x轴和y轴使用Sobel算子(Sx,Sy)来计算图像中每个像素点的梯度强度和方向，判断其边缘是水平、垂直还是对角线的：
Figure BDA0002876701240000091
Figure BDA0002876701240000092
Figure BDA0002876701240000093
Figure BDA0002876701240000094
Figure BDA0002876701240000095
S203、应用非极大值抑制使得边界变细同时锐化边缘部分，消除边缘检测算法带来的杂散响应，判断标准为对于每个像素，如果它是先前计算的梯度方向的局部最大值M(x,y)，则保留该值，否则，它的像素值会被归零并且被极大值抑制，具体判断规则如式(7)所示：
Figure BDA0002876701240000096
S203、经过步骤(3)以后，在保留下来的值中，确认强像素点是否位于边缘的最终图中，应用双阈值检测来确定真实的和潜在的边缘，根据经验设定两个阈值minVal和maxVal，判断标准为：任何强度梯度高于maxVal的像素都是边缘，任何强度梯度低于minVal的像素都不是边缘并丢弃，在minVal和maxVal之间具有强度梯度的像素，只有当它们连接到具有高于maxVal的强度梯度的像素才被认为是边缘，通过抑制孤立的弱边缘最终完成边缘检测，如图7和图8所示。
S204、对于按照上述算法检测到的目标边缘，选取其中的水平方向直线，作为液面的实时高度，为了避免药液表面所贴标签的影响，根据当前的处理器的处理速度，每隔5分钟进行动态判断，如果在这段时间内的所有帧中，该条直线均未有变化，则判断为标签边缘，动态变化的直线则为药液平面，并对其进行标记；
S205、对于经过上述设计检测到的目标输液瓶(袋)的液面，由于目标位置可能与摄像头存在一定的角度偏差，影响后续的液面检测，因此需要对得到的图片进行水平旋转对齐处理如图9所示，使其不能过早的触发提醒阈值和关闭阈值，选取纠正后的中间值作为药液液面。
S3，判断药液高度是否低于预设的提醒阈值，若低于，则根据医院的系统内病人信息判断该病人是需要换药还是拔针，并提醒病人和通知护士换药或者拔针；对于病人可以通过语音提醒，对于护士可以通过护士站的显示屏和呼叫装置通知。
S4，判断药液高度是否低于预设的关闭阈值，若低于触发输液管关闭装置，关闭输液管；所述关闭阈值低于提醒阈值，所述关闭阈值和提醒阈值可以设置为输液瓶(袋)的瓶颈处上下位置。所述输液管关闭装置通过装置上设置的Ω形通孔卡接在输液管上，输液管关闭装置接收到关闭信号后夹紧输液管。
相对于现有的输液监控方法，上述方法能实时的监控输液瓶(袋)中的药液量，且摄像头不会对药液产生任何影响；监控输液瓶(袋)中液体的多少相对于去检测液体，其准确度更高，检测更准确，更能及时的提醒病人和通知护士。在通知护士时也告知护士该病人是需要拔针还是换药，进而减少护士的工作量，并且在有多名病人的输液瓶(袋)中药液都要输完的时候，护士可以根据每个病人具体的情况，即病人是需要拔针还是需要换药来决定接下来的工作顺序。并且提醒阈值、关闭阈值和输液管关闭装置的设定，可以有效帮助护士应对工作多忙不过来时，同时出现多个病人输液瓶(袋)中药液输完的情况。在药液高度低于预设的提醒阈值通知护士，若当护士忙不过来，不能及时给病人拔针或者换药，输液瓶(袋)内的药液继续流，并到达预设的关闭阈值时，触发输液管关闭装置关闭输液管，让输液管内的液体不再流动，防止药液输完，避免造成空气进入血管或者血液倒流造成的医疗事故的发生。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。应当指出，对于本领域的技术人员来说，在不脱离本发明结构的前提下，还可以作出若干变形和改进，这些也应该视为本发明的保护范围，这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准，说明书中的具体实施方式等记载可以用于解释权利要求的内容。

Claims (8)

1.一种输液监控系统，其特征在于：包括摄像装置，服务器，提醒装置，输液管关闭装置，所述服务器包括检测模块、判断模块和数据存储模块；
所述摄像装置，用于监控输液瓶，并将视频图像发送给检测模块；
所述检测模块，用于采用神经网络模型检测视频图像中的目标输液瓶，采用边缘检测算法检测目标输液瓶中药液高度；所述检测模块采用的边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记；
所述判断模块，用于判断药液高度是否低于预设的提醒阈值，若低于，则根据数据存储模块中存储的病人信息判断该病人是需要换药还是拔针，并触发提醒装置；
所述提醒装置，用于提醒病人和通知护士换药或者拔针；
所述判断模块，还用于判断药液高度是否低于预设的关闭阈值，若低于，则触发输液管关闭装置；
所述输液管关闭装置，用于关闭输液管；
所述数据存储模块，用于存储病人信息、提醒阈值和关闭阈值。
2.根据权利要求1所述的输液监控系统，其特征在于：所述检测模块采用的神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成。
3.根据权利要求1所述的输液监控系统，其特征在于：所述检测模块若检测到目标输液瓶位置与摄像装置的摄像头存在一定的角度偏差，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面。
4.根据权利要求1所述的输液监控系统，其特征在于：所述输液管关闭装置夹持在输液管上，所述输液管关闭装置包括壳体，壳体上设置有一个用于输液管通过的Ω形通孔，所述壳体侧面设有第一凹槽，所述第一凹槽侧面设有第二凹槽，所述第一凹槽中设有T型复位杆和T型弹簧杆，所述T型复位杆的杆部设置有用于输液管通过的长通孔，所述长通孔旁边设有用于输液管卡入长通孔的开口，所述T型复位杆头部位于壳体外，所述T型复位杆的杆部底面与T型弹簧杆的头部顶面相抵，所述T型弹簧杆的头部底面与第一弹簧一端连接，所述第一弹簧另一端与第一凹槽底面连接，所述T型弹簧杆的头部侧面设有与第二凹槽对应的第三凹槽，所述第二凹槽内设置有T型限位杆，所述T型限位杆的头部用于限制T型弹簧杆的伸缩，T型限位杆的头部底面与第二弹簧连接，所述第二弹簧另一端连接有电磁铁，所述电磁铁连接有电池和控制器，所述控制器用于控制电磁铁的导电，所述控制器与服务器的判断模块连接。
5.一种输液监控方法，其特征在于：包括如下内容：
S1，采用摄像装置监控输液瓶；
S2，采用神经网络模型检测视频图像中的目标输液瓶，采用边缘检测算法检测目标输液瓶中药液高度；S2中采用边缘检测算法为Canny边缘检测算法，采用Canny边缘检测算法检测到的目标输液瓶边缘，选取其中的水平方向直线，作为药液面的实时高度，并根据采用的处理器的处理速度，每隔预设间隔时间进行动态判断，若在预设间隔时间内的所有帧中，该条直线是否存在动态变化，若未存在动态变化，则判断该直线为标签边缘，若存在动态变化，则判断该直线为药液平面，并对其进行标记；
S3，判断药液高度是否低于预设的提醒阈值，若低于，则根据系统内病人信息判断该病人是需要换药还是拔针，并提醒病人和通知护士换药或者拔针；
S4，判断药液高度是否低于预设的关闭阈值，若低于触发输液管关闭装置，关闭输液管。
6.根据权利要求5所述的输液监控方法，其特征在于：所述神经网络模型为卷积神经网络，所述卷积神经网络由两个卷积层、两个池化层和两个全连接层构成。
7.根据权利要求5所述的输液监控方法，其特征在于：若因为目标输液瓶位置与摄像装置的摄像头存在一定的角度偏差，则对含有标记药液平面的图片进行水平旋转对齐处理，并选取处理后的药液平面的中间值作为药液液面。
8.根据权利要求5所述的输液监控方法，其特征在于：所述输液管关闭装置通过装置上设置的Ω形通孔卡接在输液管上，输液管关闭装置接收到关闭信号后夹紧输液管。
CN202011623190.4A 2020-12-31 2020-12-31 一种输液监控系统及监控方法 Active CN112642022B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011623190.4A CN112642022B (zh) 2020-12-31 2020-12-31 一种输液监控系统及监控方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011623190.4A CN112642022B (zh) 2020-12-31 2020-12-31 一种输液监控系统及监控方法

Publications (2)

Publication Number Publication Date
CN112642022A CN112642022A (zh) 2021-04-13
CN112642022B true CN112642022B (zh) 2022-07-05

Family

ID=75366717

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011623190.4A Active CN112642022B (zh) 2020-12-31 2020-12-31 一种输液监控系统及监控方法

Country Status (1)

Country Link
CN (1) CN112642022B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113491806B (zh) * 2021-09-10 2021-11-09 南通华恩医疗设备制造有限公司 一种基于大数据的医疗数据变量测量监测方法及系统
CN114565848B (zh) * 2022-02-25 2022-12-02 佛山读图科技有限公司 一种复杂场景的药液液位检测方法及系统

Family Cites Families (37)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2064134A1 (en) * 1991-04-23 1992-10-24 Gary A. Thill Free flow prevention system for infusion pump
ATE477481T1 (de) * 2002-01-19 2010-08-15 Pvt Probenverteiltechnik Gmbh Anordnung und verfahren zur analyse von körperflüssigkeit
JP4082079B2 (ja) * 2002-04-30 2008-04-30 ソニー株式会社 画像信号処理装置及びその方法
US7303175B2 (en) * 2004-07-16 2007-12-04 Cardinal Health 303, Inc. Automatic clamp apparatus having lateral motion resistance for IV infusion sets
JP4517826B2 (ja) * 2004-11-15 2010-08-04 パナソニック電工株式会社 液面検出方法
US7998121B2 (en) * 2009-02-06 2011-08-16 Zevex, Inc. Automatic safety occluder
JP5468082B2 (ja) * 2009-09-17 2014-04-09 パナソニック株式会社 薬液注入装置および薬液注入方法
US20110317004A1 (en) * 2010-06-29 2011-12-29 Kai Tao IV Monitoring by Digital Image Processing
US8531517B2 (en) * 2010-07-15 2013-09-10 Kai Tao IV monitoring by video and image processing
CN102058916B (zh) * 2011-02-18 2012-08-08 李永林 外嵌入式光电检测点滴输液控制器
CN102274556B (zh) * 2011-05-12 2015-05-20 南华大学 输液无线监测装置及无线监测系统
US9541432B2 (en) * 2013-05-17 2017-01-10 The United States Of America As Represented By The Administrator Of The U.S. Environmental Protection Agency Flow imaging and monitoring for synchronized management of wide area drainage
WO2014187432A1 (en) * 2013-05-20 2014-11-27 Tao Kai Video iv monitor
CN203677656U (zh) * 2014-01-13 2014-07-02 牡丹江医学院 点滴报警夹止装置
EP4241806A1 (en) * 2014-08-21 2023-09-13 Micrel Medical Devices S.A. Medication infusion safety device and a medication infusion device comprising the medication safety device
CN104759002A (zh) * 2015-04-30 2015-07-08 王学建 输液结束自动夹闭并报警装置
CN204619043U (zh) * 2015-04-30 2015-09-09 王学建 输液结束自动夹闭并报警装置
CN104784782A (zh) * 2015-05-14 2015-07-22 遵义师范学院 一种医院吊瓶输液监测报警装置
CN205626624U (zh) * 2016-04-07 2016-10-12 陕西华燕航空仪表有限公司 一种输液管液面监控装置
CN106860970B (zh) * 2017-03-27 2019-12-06 京东方科技集团股份有限公司 输液速度调节器、输液监控系统及其操作方法
CN208492857U (zh) * 2017-08-03 2019-02-15 孟俊 一种带弹簧自动夹紧阻断呼叫护士输液报警器
CN107296999A (zh) * 2017-08-08 2017-10-27 吉林师范大学 基于物联网的医用输液器液体剩余量自动预警处理平台及使用方法
CN208741658U (zh) * 2018-04-12 2019-04-16 浙江史密斯医学仪器有限公司 新型输液泵止液机构
CN108344742B (zh) * 2018-04-13 2020-06-05 太原理工大学 一种基于多帧图像运动信息的蓝宝石接种检测装置和方法
CN110836705A (zh) * 2018-08-15 2020-02-25 珠海格力电器股份有限公司 一种液位视频分析方法及装置
CN110836706B (zh) * 2018-08-15 2020-11-03 珠海格力电器股份有限公司 一种液位检测方法及装置
CN109498857B (zh) * 2018-12-29 2020-10-16 刘铁楠 一种基于图像识别的引流监控系统及方法
CN110211093A (zh) * 2019-04-30 2019-09-06 上海工程技术大学 一种用于自动饮水机的出水控制方法
CN110101940A (zh) * 2019-05-16 2019-08-09 西北工业大学 基于计算机视觉的输液监测系统
CN110287926B (zh) * 2019-06-27 2021-06-01 武汉轻工大学 输液监测报警方法、用户设备、存储介质及装置
CN110624157A (zh) * 2019-11-05 2019-12-31 郑佩勇 一种医疗静脉输液监控系统
CN111110956A (zh) * 2019-12-27 2020-05-08 武汉大学 一种基于机器视觉和fpga的输液自动报警系统及方法
CN110882440A (zh) * 2020-01-03 2020-03-17 中国计量大学 一种高可靠性输液报警装置及报警方法
CN111353984B (zh) * 2020-02-29 2023-04-07 杭州电子科技大学 一种自适应鲁棒的灰度图像中液位高精度检测方法
CN111739058B (zh) * 2020-06-03 2022-10-18 大连理工大学 一种基于高斯滤波的分水岭算法的自由液面识别和提取的方法
CN111729152B (zh) * 2020-06-29 2022-04-22 俸桃 一种可靠性输液报警装置
CN111760128A (zh) * 2020-07-16 2020-10-13 杨熠熠 一种医院输液提醒装置

Also Published As

Publication number Publication date
CN112642022A (zh) 2021-04-13

Similar Documents

Publication Publication Date Title
CN112642022B (zh) 一种输液监控系统及监控方法
US20210264145A1 (en) Methods and systems for identifying the crossing of a virtual barrier
JP7211668B2 (ja) 画像認識に基づく排出監視システム及び方法
CN111292845B (zh) 一种用于智慧病房的智能护理交互系统
Sekhar et al. Automated localisation of retinal optic disk using Hough transform
WO2020151149A1 (zh) 微动脉瘤自动检测方法、装置及计算机可读存储介质
CN108830824A (zh) 输液液面视觉检测报警系统及其检测方法
JP2022535562A (ja) 手術用器具を追跡するためのシステムおよび方法
CN111863209B (zh) 基于图像识别的结肠镜检查质量评估工作站
CN111009297B (zh) 一种用户服药行为的监督方法、装置及智能机器人
EP3358498A1 (en) Method and apparatus for automatic event prediction
CN112386765B (zh) 一种基于5g的智能输液监控系统
JP3575979B2 (ja) 被介護者観測装置及びその方法
CN104503419A (zh) 一种用于病房数据采集方法
CN115252962A (zh) 一种基于机器视觉的智能输液报警方法及系统
CN104225721A (zh) 医用非接触点滴监测系统
CN105498042A (zh) 一种基于视频的非避光式输液自动报警方法及其装置
CN115458120A (zh) 一种用药监测系统
CN110097012B (zh) 基于N-range图像处理算法的眼动参数监测的疲劳检测方法
CN109727426A (zh) 一种机械式车库人员误入监测识别预警系统及检测方法
CN103577810A (zh) 智能看护方法
CN113222988A (zh) 一种基于深度学习和图像超分的输液管液位识别方法
CN113298089A (zh) 基于图像处理的静脉输液液位检测方法
CN111191499A (zh) 一种基于最小中心线的跌倒检测方法及装置
CN209625346U (zh) 一种中药房智能抓药核对系统

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant