CN113192596A - 一种手术室麻醉药品的识别系统 - Google Patents

一种手术室麻醉药品的识别系统 Download PDF

Info

Publication number
CN113192596A
CN113192596A CN202110396311.4A CN202110396311A CN113192596A CN 113192596 A CN113192596 A CN 113192596A CN 202110396311 A CN202110396311 A CN 202110396311A CN 113192596 A CN113192596 A CN 113192596A
Authority
CN
China
Prior art keywords
information
anesthetic
user
module
image
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.)
Granted
Application number
CN202110396311.4A
Other languages
English (en)
Other versions
CN113192596B (zh
Inventor
胡黎黎
卢孙山
顾健腾
王莉
鲁开智
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.)
First Affiliated Hospital of PLA Military Medical University
Original Assignee
First Affiliated Hospital of PLA Military Medical 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 First Affiliated Hospital of PLA Military Medical University filed Critical First Affiliated Hospital of PLA Military Medical University
Priority to CN202110396311.4A priority Critical patent/CN113192596B/zh
Publication of CN113192596A publication Critical patent/CN113192596A/zh
Application granted granted Critical
Publication of CN113192596B publication Critical patent/CN113192596B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/17—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered via infusion or injection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G06F21/32—User authentication using biometric data, e.g. fingerprints, iris scans or voiceprints
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06K—GRAPHICAL DATA READING; PRESENTATION OF DATA; RECORD CARRIERS; HANDLING RECORD CARRIERS
    • G06K17/00—Methods or arrangements for effecting co-operative working between equipments covered by two or more of main groups G06K1/00 - G06K15/00, e.g. automatic card files incorporating conveying and reading operations
    • 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
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/047—Probabilistic or stochastic 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
    • G06N3/084—Backpropagation, e.g. using gradient descent
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/34—Smoothing or thinning of the pattern; Morphological operations; Skeletonisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/62—Text, e.g. of license plates, overlay texts or captions on TV images
    • G06V20/63—Scene text, e.g. street names
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/40—Spoof detection, e.g. liveness detection
    • G06V40/45—Detection of the body part being alive
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/10—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients
    • G16H20/13—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to drugs or medications, e.g. for ensuring correct administration to patients delivered from dispensers
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/20—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the management or administration of healthcare resources or facilities, e.g. managing hospital staff or surgery rooms

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Biomedical Technology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Biophysics (AREA)
  • Artificial Intelligence (AREA)
  • Public Health (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Primary Health Care (AREA)
  • Molecular Biology (AREA)
  • Epidemiology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • Human Computer Interaction (AREA)
  • Chemical & Material Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medicinal Chemistry (AREA)
  • Computer Hardware Design (AREA)
  • Probability & Statistics with Applications (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明属于药品识别技术领域，公开了一种手术室麻醉药品的识别系统，包括：用户验证登陆模块、药物图像采集模块、文字提取模块、药品种类确定模块、中央控制模块、RFID标记模块、药品复核模块、手术信息采集模块、麻醉药物选择模块、RFID识别模块。本发明通过多重验证确保登录的安全性，对麻醉药品数据库以及麻醉药品存放库的管理的安全性更好；通过进行麻醉药品外包装上文字的识别得到麻醉药品的名称等信息，并通过RFID标签进行标记，方便扫描时获取麻醉药品对应的信息，麻醉药品的识别更加准确且方便性好；通过通过识别进行麻醉药物的准确获取，能够实现手术中麻醉环境的顺利进行，减少人工对麻醉药物核对的复杂操作。

Description

一种手术室麻醉药品的识别系统
技术领域
本发明属于药品识别技术领域，尤其涉及一种手术室麻醉药品的识别系统。
背景技术
目前，麻醉药品是一种连续使用后容易产生依赖的药品，临床上主要将麻醉药品用于癌症患者或手术过程的镇痛。麻醉药品的管理就是要保证麻醉药品在发挥其治疗的功能时，还要确保使用的正当性，防止滥用，若不严格规范麻醉药品的管理，会给不法分子留下可乘之机，因此要更加严格其管理。
RFID又称无线射频识别，是一种通信技术，俗称电子标签。可通过无线电讯号识别特定目标并读写相关数据，而无需识别系统与特定目标之间建立机械或光学接触。但是现有技术中暂无将RFID识别用于麻醉药物的识别与管理的方法，对麻醉药品的识别依靠人工进行，易发生失误。
通过上述分析，现有技术存在的问题及缺陷为：现有技术中暂无将RFID识别用于麻醉药物的识别与管理的方法，对麻醉药品的识别依靠人工进行，易发生失误。
发明内容
针对现有技术存在的问题，本发明提供了一种手术室麻醉药品的识别系统。
本发明是这样实现的，一种手术室麻醉药品的识别系统，所述手术室麻醉药品的识别系统包括：
用户验证登陆模块，与中央控制模块连接，用于通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录；
用户信息验证的过程为：
构建密钥，并发送给终端，终端根据发送的密钥进行信息特征匹配识别，作出相应的反馈；
所述用户信息特征匹配识别的过程为：
根据用户的信息，建立对应的测试数据集和训练数据集；
根据信息特征识别模型，确定测试数据集和训练数据集之间的距离；根据距离，对训练数据集中的特征进行排序；
选取距离最小的K个点，确定K个点所在类别的出现频率，返回K个点中出现频率最高的类别，作为信息特征匹配的最佳选择。
药物图像采集模块，与中央控制模块连接，用于通过入库前通道上方设置的摄像头进行麻醉药物图像的采集，得到麻醉药物图像；
文字提取模块，与中央控制模块连接，用于通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息；
所述通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息，包括：
将获得的麻醉药物图像进行预处理，得到处理后的图像；所述将获得的麻醉药物图像进行预处理，包括：
图片灰度化：
对于RGB彩色图像，图像中的每一个像素是由R，G，B三原色分三个通道存储不同的数值，其中，R为红，G为绿，B为蓝；一个像素点的颜色便由这三个不同数值的三原色叠加产生；灰度图是一种R,G,B三通道值均相同的特殊彩色图像，这种图像与彩色图像一样描述了图片整体和局部的色度和亮度，已知一张彩色图像的数值信息，则它的灰度图可以通过以下公式得出：
Gray＝B；Gray＝G；Gray＝R；
Gray＝0.72169B+0.71516G+0.212674R；
对于HSV彩色图像，一个HSV颜色结构的像素点(h,s,v)可以与RGB颜色模型有如下转化方式：
Figure BDA0003018699540000031
Figure BDA0003018699540000032
p＝v×(1-s)；
q＝v×(1-f×s)；
t＝v×(1-(1-f)×s)；
其中，HSV表示Hue,Saturation,Value；
对于每一个像素点的颜色向量(r,g,b)：
Figure BDA0003018699540000033
其中h∈[0,360],是色向角，而s,v∈[0,1]表示颜色的透明饱和度；
图像细化：
利用Zhang快速并行细化算法；
第一步细化的条件为：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按P2-P8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P6＝0
P4*P6*P8＝0
如果满足以上四个条件则改点删除；
第二步细化的条件是：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按p2-p8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P8＝0
P2*P6*P8＝0
如果满足以上四个条件则改点被删除；
重复两个细化步骤细化图像，按照图像中形状轮廓的像素粗细程度可以调整迭代次数，最终提取出图片中的骨架；
进行卷积神经网络优化算法的设计，通过卷积神经网络优化算法对处理后的图像中的文字进行识别；
设计TF-IDF优化算法提取出图片文字中的关键信息；
药品种类确定模块，与中央控制模块连接，用于通过药品种类确定程序依据获取的麻醉药物图像中的文字信息进行麻醉药品种类的确定；
中央控制模块，与用户验证登陆模块、药物图像采集模块、文字提取模块、药品种类确定模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行。
进一步，所述手术室麻醉药品的识别系统还包括：
RFID标记模块，与中央控制模块连接，用于通过RFID标记程序在麻醉药品上进行RFID标签的粘贴，并通过RFID读写器进行麻醉药品的信息录入及麻醉药品的入库；所述进行麻醉药品的信息录入的RFID读写器包括：天线，接收阅读器发送的电磁信号，发送数据信息返回给阅读器；电压调节器，将阅读器天线发送的射频信号转化为电能，并将电能存储在电容中；调制器，将逻辑控制电路送出的数据经调制后，加载到天线中，并返回给阅读；解调器，去除载波，取出调制信号；逻辑控制单元，解码阅读器发送过来的信号；储存单元，用于数据的存放和系统运行；
药品复核模块，与中央控制模块连接，用于通过RFID读写器对麻醉药品上上的RFID标签进行扫描得到药物扫描信息，并将获取的药物扫描信息与麻醉药物包装信息进行对比，对比结果不一致时进行重新标记；
手术信息采集模块，与中央控制模块连接，用于通过手术信息采集程序进行手术信息的采集，得到手术信息；所述手术信息中至少包括麻醉区域、麻醉方式和麻醉药物种类；所述麻醉方式包括静脉麻醉和吸入性麻醉；
麻醉药物选择模块，与中央控制模块连接，用于通过麻醉药物选择程序依据获取的手术信息进行麻醉药物的选择；
RFID识别模块，与中央控制模块连接，用于通过RFID识别程序对选择的麻醉药物进行识别。
进一步，所述通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录，包括：
获取用户基本信息以及获取用户实时登录信息；所述用户实时登录信息包括用户输入的手机号码、用户输入的登录密码以及用户登录时的人脸信息；
将获取的用户输入的手机号码、用户输入的登录密码与用户基本信息中的用户手机号码、用户登录密码进行对比，若对比结果一致，则完成第一次验证；若对比结果不一致，则通过用户输入的手机号码进行密码验证；
将获取的用户登录时的人脸信息与用户基本信息中的用户人脸信息进行对比，得到对比结果，若对比结果一致则通过第二次验证，验证成功；若对比结果不一致，则认定验证失败。
进一步，所述第二次验证包括人脸识别与验活。
进一步，所述人脸识别与验活包括以下步骤：
获取的用户登录时的人脸信息以及实时采集视线定位所需的信息点；所述用户登录时的人脸信息包括用户登录时的人脸识别和验活的图片信息；
对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准；
通过对采集视线定位所需的信息点与用户登录时的人脸信息进行对比，进行人脸检测，判断是否属于同一张人脸；
判断采集到的信息是否属于一个活体，排除采集到的信息来自于相同照片或视频；
根据采集的信息视线定位所需的信息点，利用视线定位检测算法进行视线定位的检测，判断眼睛的视线是否属于选定的视线范围；若眼睛的视线属于选定的视线范围则验证成功；否则，验证失败。
进一步，所述对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准，包括：数据存储终端随机产生不同位置坐标信息点，用户以不同的距离、不同的姿态观看终端中的坐标信息点。
进一步，所述进行卷积神经网络优化算法的设计，包括：
卷积神经网络中BP网络特征参数设置；进行卷积神经网络前向传播以及卷积神经网络的反向传播。
进一步，所述进行卷积神经网络前向传播，包括：输入层到卷积层第一个卷积层神经元011的输入：卷积层到池化层，计算池化层m11的输入，池化层没有激活函数；池化层输出到flatten层把所有元素“拍平”，然后到全连接层，再通过softmax计算后到输出到output。
本发明的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用所述手术室麻醉药品的识别系统。
本发明的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用所述手术室麻醉药品的识别系统。
结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明提供的手术室麻醉药品的识别系统中设置用户验证登陆模块，通过多重验证确保登录的安全性，对麻醉药品数据库以及麻醉药品存放库的管理的安全性更好，减少外来侵犯造成的麻醉药品的外流或是混乱；通过进行麻醉药品外包装上文字的识别得到麻醉药品的名称等信息，并通过RFID标签进行标记，将获取的信息进行存储，方便扫描时获取麻醉药品对应的信息，麻醉药品的识别更加准确且方便性好；通过进行手术信息的获取实现麻醉药物的选择，并通过识别进行麻醉药物的准确获取，能够实现手术中麻醉环境的顺利进行，减少人工对麻醉药物核对的复杂操作。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的手术室麻醉药品的识别系统结构框图。
图2是本发明实施例提供的手术室麻醉药品的识别方法流程图。
图3是本发明实施例提供的通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录流程图。
图4是本发明实施例提供的人脸识别与验活流程图。
图5是本发明实施例提供的通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息流程图。
图中：1、用户验证登陆模块；2、药物图像采集模块；3、文字提取模块；4、药品种类确定模块；5、中央控制模块；6、RFID标记模块；7、药品复核模块；8、手术信息采集模块；9、麻醉药物选择模块；10、RFID识别模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
针对现有技术存在的问题，本发明提供了一种手术室麻醉药品的识别系统，下面结合附图对本发明作详细的描述。
如图1所示，本发明实施例提供的手术室麻醉药品的识别系统包括：
用户验证登陆模块1，与中央控制模块5连接，用于通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录；用户信息验证的过程为：构建密钥，并发送给终端，终端根据发送的密钥进行信息特征匹配识别，作出相应的反馈；所述用户信息特征匹配识别的过程为：根据用户的信息，建立对应的测试数据集和训练数据集；根据信息特征识别模型，确定测试数据集和训练数据集之间的距离；根据距离，对训练数据集中的特征进行排序；选取距离最小的K个点，确定K个点所在类别的出现频率，返回K个点中出现频率最高的类别，作为信息特征匹配的最佳选择；
药物图像采集模块2，与中央控制模块5连接，用于通过入库前通道上方设置的摄像头进行麻醉药物图像的采集，得到麻醉药物图像；
文字提取模块3，与中央控制模块5连接，用于通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息；
药品种类确定模块4，与中央控制模块5连接，用于通过药品种类确定程序依据获取的麻醉药物图像中的文字信息进行麻醉药品种类的确定；
中央控制模块5，与用户验证登陆模块1、药物图像采集模块2、文字提取模块3、药品种类确定模块4、RFID标记模块6、药品复核模块7、手术信息采集模块8、麻醉药物选择模块9、RFID识别模块10连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行；
RFID标记模块6，与中央控制模块5连接，用于通过RFID标记程序在麻醉药品上进行RFID标签的粘贴，并通过RFID读写器进行麻醉药品的信息录入及麻醉药品的入库；所述进行麻醉药品的信息录入的RFID读写器包括：天线，接收阅读器发送的电磁信号，发送数据信息返回给阅读器；电压调节器，将阅读器天线发送的射频信号转化为电能，并将电能存储在电容中；调制器，将逻辑控制电路送出的数据经调制后，加载到天线中，并返回给阅读；解调器，去除载波，取出调制信号；逻辑控制单元，解码阅读器发送过来的信号；储存单元，用于数据的存放和系统运行；
药品复核模块7，与中央控制模块5连接，用于通过RFID读写器对麻醉药品上上的RFID标签进行扫描得到药物扫描信息，并将获取的药物扫描信息与麻醉药物包装信息进行对比，对比结果不一致时进行重新标记；
手术信息采集模块8，与中央控制模块5连接，用于通过手术信息采集程序进行手术信息的采集，得到手术信息；所述手术信息中至少包括麻醉区域、麻醉方式和麻醉药物种类；所述麻醉方式包括静脉麻醉和吸入性麻醉；
麻醉药物选择模块9，与中央控制模块5连接，用于通过麻醉药物选择程序依据获取的手术信息进行麻醉药物的选择；
RFID识别模块10，与中央控制模块5连接，用于通过RFID识别程序对选择的麻醉药物进行识别。
如图2所示，本发明实施例提供的手术室麻醉药品的识别方法包括以下步骤：
S101，通过用户验证登陆模块利用用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录；通过药物图像采集模块利用入库前通道上方设置的摄像头进行麻醉药物图像的采集，得到麻醉药物图像；
S102，通过文字提取模块利用文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息；通过药品种类确定模块利用药品种类确定程序依据获取的麻醉药物图像中的文字信息进行麻醉药品种类的确定；
S103，通过中央控制模块利用主控机对各连接模块的运行进行控制，保证各个模块正常运行；通过RFID标记模块利用RFID标记程序在麻醉药品上进行RFID标签的粘贴，并通过RFID读写器进行麻醉药品的信息录入及麻醉药品的入库；
S104，通过药品复核模块利用RFID读写器对麻醉药品上上的RFID标签进行扫描得到药物扫描信息，并将获取的药物扫描信息与麻醉药物包装信息进行对比，对比结果不一致时进行重新标记；
S105，通过手术信息采集模块利用手术信息采集程序进行手术信息的采集，得到手术信息；所述手术信息中至少包括麻醉区域、麻醉方式和麻醉药物种类；所述麻醉方式包括静脉麻醉和吸入性麻醉；
S106，通过麻醉药物选择模块利用麻醉药物选择程序依据获取的手术信息进行麻醉药物的选择；通过RFID识别模块利用RFID识别程序对选择的麻醉药物进行识别。
如图3所示，本发明实施例提供的通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录，包括：
S201，获取用户基本信息以及获取用户实时登录信息；所述用户实时登录信息包括用户输入的手机号码、用户输入的登录密码以及用户登录时的人脸信息；
S202，将获取的用户输入的手机号码、用户输入的登录密码与用户基本信息中的用户手机号码、用户登录密码进行对比，若对比结果一致，则完成第一次验证；若对比结果不一致，则通过用户输入的手机号码进行密码验证；
S203，将获取的用户登录时的人脸信息与用户基本信息中的用户人脸信息进行对比，得到对比结果，若对比结果一致则通过第二次验证，验证成功；若对比结果不一致，则认定验证失败。
本发明实施例提供的第二次验证包括人脸识别与验活。
如图4所示，本发明实施例提供的人脸识别与验活包括以下步骤：
S301，获取的用户登录时的人脸信息以及实时采集视线定位所需的信息点；所述用户登录时的人脸信息包括用户登录时的人脸识别和验活的图片信息；
S302，对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准；
S303，通过对采集视线定位所需的信息点与用户登录时的人脸信息进行对比，进行人脸检测，判断是否属于同一张人脸；
S304，判断采集到的信息是否属于一个活体，排除采集到的信息来自于相同照片或视频；
S305，根据采集的信息视线定位所需的信息点，利用视线定位检测算法进行视线定位的检测，判断眼睛的视线是否属于选定的视线范围；若眼睛的视线属于选定的视线范围则验证成功；否则，验证失败。
本发明实施例提供的对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准，包括：数据存储终端随机产生不同位置坐标信息点，用户以不同的距离、不同的姿态观看终端中的坐标信息点。
如图5所示，本发明实施例提供的通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息，包括：
S401，将获得的麻醉药物图像进行预处理，得到处理后的图像；
S402，进行卷积神经网络优化算法的设计，通过卷积神经网络优化算法对处理后的图像中的文字进行识别；
S403，设计TF-IDF优化算法提取出图片文字中的关键信息。
本发明实施例提供的将获得的麻醉药物图像进行预处理，包括：
图片灰度化：
对于RGB彩色图像，图像中的每一个像素是由R，G，B三原色分三个通道存储不同的数值，其中，R为红，G为绿，B为蓝；一个像素点的颜色便由这三个不同数值的三原色叠加产生；灰度图是一种R,G,B三通道值均相同的特殊彩色图像，这种图像与彩色图像一样描述了图片整体和局部的色度和亮度，已知一张彩色图像的数值信息，则它的灰度图可以通过以下公式得出：
Gray＝B；Gray＝G；Gray＝R；
Gray＝0.72169B+0.71516G+0.212674R；
对于HSV彩色图像，一个HSV颜色结构的像素点(h,s,v)可以与RGB颜色模型有如下转化方式：
Figure BDA0003018699540000111
Figure BDA0003018699540000121
p＝v×(1-s)；
q＝v×(1-f×s)；
t＝v×(1-(1-f)×s)；
其中，HSV表示Hue,Saturation,Value；
对于每一个像素点的颜色向量(r,g,b)：
Figure BDA0003018699540000122
其中h∈[0,360],是色向角，而s,v∈[0,1]表示颜色的透明饱和度；
图像细化：
利用Zhang快速并行细化算法；
第一步细化的条件为：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按P2-P8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P6＝0
P4*P6*P8＝0
如果满足以上四个条件则改点删除；
第二步细化的条件是：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按p2-p8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P8＝0
P2*P6*P8＝0
如果满足以上四个条件则改点被删除；
重复两个细化步骤细化图像，按照图像中形状轮廓的像素粗细程度可以调整迭代次数，最终提取出图片中的骨架。
本发明实施例提供的进行卷积神经网络优化算法的设计，包括：
卷积神经网络中BP网络特征参数设置；进行卷积神经网络前向传播以及卷积神经网络的反向传播。
本发明实施例提供的进行卷积神经网络前向传播，包括：输入层到卷积层第一个卷积层神经元011的输入：卷积层到池化层，计算池化层m11的输入，池化层没有激活函数；池化层输出到flatten层把所有元素“拍平”，然后到全连接层，再通过softmax计算后到输出到output。
卷积神经网络的反向传播。
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种手术室麻醉药品的识别系统，其特征在于，所述手术室麻醉药品的识别系统包括：
用户验证登陆模块，与中央控制模块连接，用于通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录；
用户信息验证的过程为：
构建密钥，并发送给终端，终端根据发送的密钥进行信息特征匹配识别，作出相应的反馈；
所述用户信息特征匹配识别的过程为：
根据用户的信息，建立对应的测试数据集和训练数据集；
根据信息特征识别模型，确定测试数据集和训练数据集之间的距离；根据距离，对训练数据集中的特征进行排序；
选取距离最小的K个点，确定K个点所在类别的出现频率，返回K个点中出现频率最高的类别，作为信息特征匹配的最佳选择；
药物图像采集模块，与中央控制模块连接，用于通过入库前通道上方设置的摄像头进行麻醉药物图像的采集，得到麻醉药物图像；
文字提取模块，与中央控制模块连接，用于通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息；
所述通过文字识别程序进行麻醉药物图像中文字的提取，得到麻醉药物图像中的文字信息，包括：
将获得的麻醉药物图像进行预处理，得到处理后的图像；所述将获得的麻醉药物图像进行预处理，包括：
图片灰度化：
对于RGB彩色图像，图像中的每一个像素是由R，G，B三原色分三个通道存储不同的数值，其中，R为红，G为绿，B为蓝；一个像素点的颜色便由这三个不同数值的三原色叠加产生；灰度图是一种R,G,B三通道值均相同的特殊彩色图像，这种图像与彩色图像一样描述了图片整体和局部的色度和亮度，已知一张彩色图像的数值信息，则它的灰度图可以通过以下公式得出：
Gray＝B；Gray＝G；Gray＝R；
Gray＝0.72169B+0.71516G+0.212674R；
对于HSV彩色图像，一个HSV颜色结构的像素点(h,s,v)可以与RGB颜色模型有如下转化方式：
Figure FDA0003018699530000021
Figure FDA0003018699530000022
p＝v×(1-s)；
q＝v×(1-f×s)；
t＝v×(1-(1-f)×s)；
其中，HSV表示Hue,Saturation,Value；
对于每一个像素点的颜色向量(r,g,b)：
Figure FDA0003018699530000023
其中h∈[0,360],是色向角，而s,v∈[0,1]表示颜色的透明饱和度；
图像细化：
利用Zhang快速并行细化算法；
第一步细化的条件为：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按P2-P8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P6＝0
P4*P6*P8＝0
如果满足以上四个条件则改点删除；
第二步细化的条件是：
2≤N(P1)≤6N(x)表示点x邻域中黑点的个数；
A(P1)＝1A(x)是指在点x的邻域中按p2-p8的顺序，由黑变到白的次数，即由0变为1的次数；
P2*P4*P8＝0
P2*P6*P8＝0
如果满足以上四个条件则改点被删除；
重复两个细化步骤细化图像，按照图像中形状轮廓的像素粗细程度可以调整迭代次数，最终提取出图片中的骨架；
进行卷积神经网络优化算法的设计，通过卷积神经网络优化算法对处理后的图像中的文字进行识别；
设计TF-IDF优化算法提取出图片文字中的关键信息；
药品种类确定模块，与中央控制模块连接，用于通过药品种类确定程序依据获取的麻醉药物图像中的文字信息进行麻醉药品种类的确定；
中央控制模块，与用户验证登陆模块、药物图像采集模块、文字提取模块、药品种类确定模块连接，用于通过主控机对各连接模块的运行进行控制，保证各个模块正常运行。
2.如权利要求1所述手术室麻醉药品的识别系统，其特征在于，所述手术室麻醉药品的识别系统还包括：
RFID标记模块，与中央控制模块连接，用于通过RFID标记程序在麻醉药品上进行RFID标签的粘贴，并通过RFID读写器进行麻醉药品的信息录入及麻醉药品的入库；
所述进行麻醉药品的信息录入的RFID读写器包括：天线，接收阅读器发送的电磁信号，发送数据信息返回给阅读器；电压调节器，将阅读器天线发送的射频信号转化为电能，并将电能存储在电容中；调制器，将逻辑控制电路送出的数据经调制后，加载到天线中，并返回给阅读；解调器，去除载波，取出调制信号；逻辑控制单元，解码阅读器发送过来的信号；储存单元，用于数据的存放和系统运行；
药品复核模块，与中央控制模块连接，用于通过RFID读写器对麻醉药品上上的RFID标签进行扫描得到药物扫描信息，并将获取的药物扫描信息与麻醉药物包装信息进行对比，对比结果不一致时进行重新标记；
手术信息采集模块，与中央控制模块连接，用于通过手术信息采集程序进行手术信息的采集，得到手术信息；所述手术信息中至少包括麻醉区域、麻醉方式和麻醉药物种类；所述麻醉方式包括静脉麻醉和吸入性麻醉；
麻醉药物选择模块，与中央控制模块连接，用于通过麻醉药物选择程序依据获取的手术信息进行麻醉药物的选择；
RFID识别模块，与中央控制模块连接，用于通过RFID识别程序对选择的麻醉药物进行识别。
3.如权利要求1所述手术室麻醉药品的识别系统，其特征在于，所述通过用户验证登陆程序进行用户的验证，并在验证通过后进行用户登录，包括：
获取用户基本信息以及获取用户实时登录信息；所述用户实时登录信息包括用户输入的手机号码、用户输入的登录密码以及用户登录时的人脸信息；
将获取的用户输入的手机号码、用户输入的登录密码与用户基本信息中的用户手机号码、用户登录密码进行对比，若对比结果一致，则完成第一次验证；若对比结果不一致，则通过用户输入的手机号码进行密码验证；
将获取的用户登录时的人脸信息与用户基本信息中的用户人脸信息进行对比，得到对比结果，若对比结果一致则通过第二次验证，验证成功；若对比结果不一致，则认定验证失败。
4.如权利要求3所述手术室麻醉药品的识别系统，其特征在于，所述第二次验证包括人脸识别与验活。
5.如权利要求4所述手术室麻醉药品的识别系统，其特征在于，所述人脸识别与验活包括以下步骤：
获取的用户登录时的人脸信息以及实时采集视线定位所需的信息点；所述用户登录时的人脸信息包括用户登录时的人脸识别和验活的图片信息；
对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准；
通过对采集视线定位所需的信息点与用户登录时的人脸信息进行对比，进行人脸检测，判断是否属于同一张人脸；
判断采集到的信息是否属于一个活体，排除采集到的信息来自于相同照片或视频；
根据采集的信息视线定位所需的信息点，利用视线定位检测算法进行视线定位的检测，判断眼睛的视线是否属于选定的视线范围；若眼睛的视线属于选定的视线范围则验证成功；否则，验证失败。
6.如权利要求5所述手术室麻醉药品的识别系统，其特征在于，所述对视线追踪精度的校准和用户离屏幕远近所导致视线定位差异进行校准，包括：数据存储终端随机产生不同位置坐标信息点，用户以不同的距离、不同的姿态观看终端中的坐标信息点。
7.如权利要求1所述手术室麻醉药品的识别系统，其特征在于，所述进行卷积神经网络优化算法的设计，包括：
卷积神经网络中BP网络特征参数设置；进行卷积神经网络前向传播以及卷积神经网络的反向传播。
8.如权利要求7所述手术室麻醉药品的识别系统，其特征在于，所述进行卷积神经网络前向传播，包括：输入层到卷积层第一个卷积层神经元011的输入：卷积层到池化层，计算池化层m11的输入，池化层没有激活函数；池化层输出到flatten层把所有元素“拍平”，然后到全连接层，再通过softmax计算后到输出到output。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以应用如权利要求1～8任意一项所述手术室麻醉药品的识别系统。
10.一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机应用如权利要求1～8任意一项所述手术室麻醉药品的识别系统。
CN202110396311.4A 2021-04-13 2021-04-13 一种手术室麻醉药品的识别系统 Active CN113192596B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110396311.4A CN113192596B (zh) 2021-04-13 2021-04-13 一种手术室麻醉药品的识别系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110396311.4A CN113192596B (zh) 2021-04-13 2021-04-13 一种手术室麻醉药品的识别系统

Publications (2)

Publication Number Publication Date
CN113192596A true CN113192596A (zh) 2021-07-30
CN113192596B CN113192596B (zh) 2022-10-14

Family

ID=76975801

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110396311.4A Active CN113192596B (zh) 2021-04-13 2021-04-13 一种手术室麻醉药品的识别系统

Country Status (1)

Country Link
CN (1) CN113192596B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113658664A (zh) * 2021-10-21 2021-11-16 北京欣康研医药科技有限公司 用于麻醉药品申请的管理方法、装置、系统和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097941A (zh) * 2019-04-29 2019-08-06 温州医科大学附属第一医院 一种麻醉药品管理方法以及基于该方法的管理设备
CN111223547A (zh) * 2019-12-31 2020-06-02 南方医科大学珠江医院 毒麻药品智能管理柜

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110097941A (zh) * 2019-04-29 2019-08-06 温州医科大学附属第一医院 一种麻醉药品管理方法以及基于该方法的管理设备
CN111223547A (zh) * 2019-12-31 2020-06-02 南方医科大学珠江医院 毒麻药品智能管理柜

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
余遥等: "基于RFID技术的麻醉药品管理系统设计与应用", 《中国数字医学》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113658664A (zh) * 2021-10-21 2021-11-16 北京欣康研医药科技有限公司 用于麻醉药品申请的管理方法、装置、系统和存储介质
CN113658664B (zh) * 2021-10-21 2022-02-01 山东省千佛山医院 用于麻醉药品申请的管理方法、装置、系统和存储介质

Also Published As

Publication number Publication date
CN113192596B (zh) 2022-10-14

Similar Documents

Publication Publication Date Title
US20220165087A1 (en) Systems and methods for performing fingerprint based user authentication using imagery captured using mobile devices
CN103390153B (zh) 用于生物特征验证的纹理特征的方法和系统
CN103577801B (zh) 用于生物特征验证的质量度量的方法和系统
US10540525B2 (en) Information code, information code producing method, information code reader, and system which uses information code
WO2020108225A1 (zh) 指纹采集方法及相关装置
CN106886774A (zh) 识别身份证信息的方法和装置
CN102880876B (zh) 一种印章校验方法
SG191666A1 (en) Image processing system and imaging object used for same
CN105335719A (zh) 活体检测方法及装置
CN111553251B (zh) 证件四角残缺检测方法、装置、设备及存储介质
CN103886283A (zh) 用于移动用户的多生物特征图像信息融合方法及其应用
CN111275685A (zh) 身份证件的翻拍图像识别方法、装置、设备及介质
CN113515988A (zh) 掌纹识别方法、特征提取模型训练方法、设备及介质
CN109937434A (zh) 图像处理方法、装置、终端和存储介质
CN113642639B (zh) 活体检测方法、装置、设备和存储介质
CN109977929A (zh) 一种基于tof的人脸识别系统和方法
CN113192596B (zh) 一种手术室麻醉药品的识别系统
CN111710031A (zh) 一种伪造人像破解智能终端设备密码方法
CN111582155A (zh) 活体检测方法、装置、计算机设备和存储介质
CN107665328A (zh) 人脸面部识别方法
KR101335640B1 (ko) 발전 플랜트의 게이지 점검 시스템 및 방법
AU2023203024A1 (en) Methods and systems for determining the authenticity of an identity document
CN115240245A (zh) 人脸活体检测方法、人脸活体检测装置及电子设备
CN114065163A (zh) 一种具有人脸识别与身份核验功能的显示主板及终端
CN115222621A (zh) 图像校正方法、电子设备、存储介质及计算机程序产品

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