CN115547475A - 一种基于称重型医用耗材管理柜的智能自动控制方法 - Google Patents

一种基于称重型医用耗材管理柜的智能自动控制方法 Download PDF

Info

Publication number
CN115547475A
CN115547475A CN202211545173.2A CN202211545173A CN115547475A CN 115547475 A CN115547475 A CN 115547475A CN 202211545173 A CN202211545173 A CN 202211545173A CN 115547475 A CN115547475 A CN 115547475A
Authority
CN
China
Prior art keywords
medical
consumable
consumables
information
medical consumable
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.)
Pending
Application number
CN202211545173.2A
Other languages
English (en)
Inventor
张桂定
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.)
Medical Technical Service Beijing Co ltd
Original Assignee
Medical Technical Service Beijing Co ltd
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 Medical Technical Service Beijing Co ltd filed Critical Medical Technical Service Beijing Co ltd
Priority to CN202211545173.2A priority Critical patent/CN115547475A/zh
Publication of CN115547475A publication Critical patent/CN115547475A/zh
Pending legal-status Critical Current

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
    • 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
    • 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
    • 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
    • G16H40/40—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 of medical equipment or devices, e.g. scheduling maintenance or upgrades

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Biomedical Technology (AREA)
  • Epidemiology (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Public Health (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Computer Hardware Design (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明公开了一种基于称重型医用耗材管理柜的智能自动控制方法，包括以下步骤：获取所需的医用耗材信息；确定管理柜中该医用耗材的位置信息；获取医用耗材并确认信息；计算各医用耗材柜中的医用耗材数量信息；依次与各医用耗材的数量阈值信息进行比较；基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作。本发明可以实现医用耗材管理柜的登陆验证、出库、自检及异常耗材筛选的一体化控制，更好地实现对医用耗材的精细化控制及管理。

Description

一种基于称重型医用耗材管理柜的智能自动控制方法
技术领域
本发明涉及自动控制技术领域，具体来说，涉及一种基于称重型医用耗材管理柜的智能自动控制方法。
背景技术
管理柜一般用来对物品进行统一储存，以方便人们的使用，存储不同的物品，医院内使用的管理柜一般用来储存医用耗材，管理柜在使用时，需要人员对其内部储存物品进行盘点，以防止物品缺少为医疗工作带来不便。在临床医疗过程中，需要严格管理医用耗材的申领使用，传统的医用耗材的申领过程一般由医护人员根据临床需要或计划纸质单递交到科室主任审批后到仓储部门领取并进行现场登记。
然而，这种现场申领方式在申领流程中耗费大量时间且要求仓储人员在拿到申领单或听取申领人员的陈述后才能进仓库查找拿取，没有充分的预备查找时间，效率较为低下，领取人员等待的时间较长；且这种申领方式的人工登记不便于统计存档，对医用耗材的管理较为复杂混乱；且现有的管理柜中各医用耗材的数量是基本确定不变的，无法考虑到各医用耗材根据实际使用需求而进行的动态比例的调整，比如春秋季过敏性医用耗材需求较多等，寒暑假可能意外磕碰的医用耗材比如绷带纱布等消耗较多等情况。
此外，传统的人工记录方式同样存在人员工作量大，管理效率低下的问题。管理只停留在中心仓库出库到科室阶段，只能做到仓库出库到科室无法准确记录耗材领用人、领用数量、领用时间等问题，无法准确记录耗材领用人、领用数量、领用时间。从而使得其无法实现针对医用耗材的精细化管理，医用耗材管理的各种实际问题无法得到有效控制和解决。因此，本发明提出了一种基于称重型医用耗材管理柜的智能自动控制方法。
发明内容
针对相关技术中的问题，本发明提出一种基于称重型医用耗材管理柜的智能自动控制方法，以克服现有相关技术所存在的上述技术问题。
为此，本发明采用的具体技术方案如下：
一种基于称重型医用耗材管理柜的智能自动控制方法，该智能自动控制方法包括以下步骤：
S1、获取医护人员的登陆信息及所需的医用耗材信息，并对医护人员的身份信息进行验证；
S2、根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息，并依据该医用耗材的位置信息开启对应的柜门；
S3、医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息；
S4、利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息；
S5、将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较；
S6、基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定；
S7、将各医用耗材的使用历史记录输入到神经网络预测模型，从而预测出当前时期的各医用耗材的使用需求数量；若均未超出同时期的医用耗材的使用需求数量，且中断准备通知管理人员进行的补货操作，返回步骤S1；若其余情况，则执行下一步骤；
S8、基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作。
进一步的，所述对医护人员的身份信息进行验证包括账户密码信息验证、指纹信息验证、面部信息验证及二维码信息验证。
进一步的，所述根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息之前还包括以下步骤：
依据预设的编号顺序分别对管理柜中的各医疗耗材柜进行编号，并建立医疗耗材与医疗耗材柜编号一一对应的关系表；
利用医用耗材与医疗耗材柜编号的关系表依次将待存放的医疗耗材存入医用耗材柜内，并通过各医用耗材的有效期对医用耗材进行排序。
进一步的，所述医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息包括以下步骤：
S31、医护人员根据开启的医用耗材柜门找到所需的医用耗材柜，并按照从前至后的顺序从该医用耗材柜中获取所需的医用耗材；
S32、医护人员通过管理柜上的触摸显示屏输入确认信息，并记录医护人员与医用耗材的对应关系。
进一步的，所述利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息包括以下步骤：
S41、利用预先安装于医用耗材柜底部的称重传感器实时获取管理柜中各医用耗材柜的重量数据；
S42、获取管理柜中各医疗耗材的单个重量数据，并利用数量计算公式计算得到各医用耗材柜中的医用耗材数量信息；
其中，所述数量计算公式为：
Figure 392327DEST_PATH_IMAGE002
式中，S表示医用耗材的数量，G1表示医用耗材柜的总重量，G0表示医用耗材柜的柜体重量，G2表示单个医用耗材柜的重量。
进一步的，所述将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较包括以下步骤：
S51、分别获取各医用耗材柜中的医用耗材数量信息及各医用耗材预设的数量阈值信息；
S52、依次判断各医用耗材柜中的医用耗材数量是否超出各医用耗材预设的数量阈值，比如各医用耗材通常设置有最低数量阈值。
进一步的，基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S61、利用基于预先安装于管理柜内部的摄像装置采集管理柜内已存放医疗耗材的图像信息；
S62、将采集的医疗耗材图像与标准的医疗耗材图像进行分析比对，实现对当前医疗耗材的识别，并结合关系表输出与该医疗耗材相对应的医疗耗材柜编号；
S63、利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定。
进一步的，所述利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S641、采集已存放医用耗材的图像信息，并计算不同尺度下各方向的梯度；
S642、利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征；
S643、将改进的梯度方向直方图特征与局部二值模式特征线性加权得到融合特征；
S644、通过全局信息与监督信息改进局部保持投影算法并进行降维处理；
S645、利用支持向量机对降维后的特征进行识别，得到当前医用耗材的缺陷识别结果，实现对异常医用耗材的筛选并确定数量。
进一步的，所述利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征包括以下步骤：
S6421、计算已存放医用耗材图像中每个像素点对应领域像素点的亚像素值；
S6422、将任意方向的梯度分解成水平和垂直方向，并通过对反方向的水平和垂直的梯度进行相互简化及抵消；
S6423、利用最终的梯度计算公式计算得到改进的梯度方向直方图特征；
其中，所述亚像素值的计算公式为：
Figure 839358DEST_PATH_IMAGE004
式中，Q点表示亚像素点的位置，A、B、C、D点表示亚像素点周围的领域像素点，AQ、BQ、CQ、DQ分别表示点Q到点A、B、C、D的距离，A（x，y）、B（x，y）、C（x，y）、D（x，y）点分别表示点A、B、C、D的像素值，Q（x，y）表示Q点对应的亚像素值，Total表示总的权重；
所述最终的梯度计算公式为：
Figure 652593DEST_PATH_IMAGE006
式中，Gx（x，y）表示分解合成后的水平方向的梯度，Gy（x，y）表示分解合成后的垂直方向的梯度，
Figure 619412DEST_PATH_IMAGE008
表示改进的梯度幅值，
Figure 859900DEST_PATH_IMAGE010
表示改进的梯度方向。
进一步的，所述通过全局信息与监督信息改进局部保持投影算法并进行降维处理包括以下步骤：
S6441、利用模糊聚类分析算法构造加权邻接图，并判断两组邻近数据是否属于相同类别并赋予不同的权重值；
S6442、利用两组邻近数据的样本分别构建两组样本集，并构建改进的权重矩阵；
S6443、融合主成分分析算法的全局目标函数和局部保持投影算法的局部目标函数，得到降维算法的目标函数。
本发明的有益效果为：
1）通过获取医护人员的登陆信息可以对医护人员的身份信息进行验证，从而可以避免非医护人员与医用耗材的随意接触，根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息，从而使得医护人员可以快速的找到所需的医用耗材，而在医护人员获取所需的医用耗材后需要确认信息，从而可以利用医护人员确认的信息来实现对医用耗材的全方位记录。
2）可以利用当前管理柜中各医用耗材柜的重量来计算得到各医用耗材柜中的医用耗材数量信息，实现对管理柜中各医用耗材的自检，当医用耗材的当前数量低于预设的数量阈值时则会准备通知管理人员进行补货操作，并可以利用基于改进的梯度方向直方图特征结合局部保留投影算法对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定，从而使得本发明可以实现医用耗材管理柜的登陆验证、出库、自检及异常耗材筛选的一体化控制，进而可以更好地实现对医用耗材的精细化控制及管理。
3）通过利用基于改进的梯度方向直方图特征结合局部保留投影算法对已存放医用耗材进行图像识别，有效地解决了因局部信息丢失而导致对图像描述不全面的问题，从而有效地提高了对噪声的鲁棒性，使得管理柜可以在医院的噪声环境下更好地实现对异常医用耗材的识别及筛选，从而可以有效地提高在噪音环境下的识别准确率，更好地保障医用耗材的质量需求，有效地避免因医用耗材质量不达标而导致的医疗事故情况的发生，进而可以更好地满足于医患的使用需求；
4）基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作，能够动态的基于各医用耗材的历史使用情况，针对性的对管理柜中的医用耗材进行动态调整。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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是根据本发明实施例的一种基于称重型医用耗材管理柜的智能自动控制方法的流程图。
具体实施方式
为进一步说明各实施例，本发明提供有附图，这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理，配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。
根据本发明的实施例，提供了一种基于称重型医用耗材管理柜的智能自动控制方法。
现结合附图和具体实施方式对本发明进一步说明，如图1所示，根据本发明实施例的基于称重型医用耗材管理柜的智能自动控制方法，该智能自动控制方法包括以下步骤：
S1、获取医护人员的登陆信息及所需的医用耗材信息，并对医护人员的身份信息进行验证；
其中，所述医用耗材包括一次性医用包、一次性医用导管、伤口敷料、医用胶带、医用纱布、医用绷带、医用海绵、穿刺针、注射及输液器械或者常用的非处方药品等。
所述对医护人员的身份信息进行验证包括账户密码信息验证、指纹信息验证、面部信息验证及二维码信息验证。本实施例中的医用耗材管理柜的表面设置有分别用于医护人员进行身份验证的键盘区、指纹采集区、人脸采集区及二维码采集区，且管理柜的控制芯片中分别设置有与若干区域相对应的识别模块，即密码识别模块、指纹识别模块、人脸识别模块、二维码识别模块。
S2、根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息，并依据该医用耗材的位置信息开启对应的柜门；
其中，所述根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息之前还包括以下步骤：
在管理柜初始化后，管理人员依据预设的编号顺序分别对管理柜中的各医疗耗材柜进行编号，并建立医疗耗材与医疗耗材柜编号一一对应的关系表；
利用医用耗材与医疗耗材柜编号的关系表依次将待存放的医疗耗材存入医用耗材柜内，并通过各医用耗材的有效期对医用耗材进行排序，具体的，在医用耗材的存放过程中每个医用耗材柜中只放置一种医用耗材，且为了避免医用耗材的过期问题，在医用耗材放置的过程中需要管理人员依据当前医用耗材的有效期进行排序放置，即将医用耗材有效期由近至远的方式在医用耗材柜内从外向内放置，从而使得每次医护人员取用耗材时都能从有效期最近的耗材取用。
S3、医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息；
其中，所述医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息包括以下步骤：
S31、医护人员根据开启的医用耗材柜门找到所需的医用耗材柜，并按照从前至后的顺序从该医用耗材柜中获取所需的医用耗材；
S32、医护人员通过管理柜上的触摸显示屏输入确认信息，并记录医护人员与医用耗材的对应关系，该对应关系包括耗材领用人、领用数量、领用时间等信息。
S4、利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息；
其中，所述利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息包括以下步骤：
S41、利用预先安装于医用耗材柜底部的称重传感器实时获取管理柜中各医用耗材柜的重量数据；
S42、获取管理柜中各医疗耗材的单个重量数据，并利用数量计算公式计算得到各医用耗材柜中的医用耗材数量信息；
具体的，所述数量计算公式为：
Figure 279380DEST_PATH_IMAGE012
式中，S表示医用耗材的数量，G1表示医用耗材柜的总重量，G0表示医用耗材柜的柜体重量，G2表示单个医用耗材柜的重量。
S5、将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较；
其中，所述将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较包括以下步骤：
S51、分别获取各医用耗材柜中的医用耗材数量信息及各医用耗材预设的数量阈值信息；
S52、依次判断各医用耗材柜中的医用耗材数量是否超出各医用耗材预设的数量阈值。
S6、基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定。
其中，基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S61、利用基于预先安装于管理柜内部的摄像装置采集管理柜内已存放医疗耗材的图像信息；
S62、将采集的医疗耗材图像与标准的医疗耗材图像进行分析比对，实现对当前医疗耗材的识别，并结合关系表输出与该医疗耗材相对应的医疗耗材柜编号；
S63、利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定；
具体的，所述利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S641、采集已存放医用耗材的图像信息，并计算不同尺度下各方向的梯度；
S642、利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征；
梯度方向直方图（HOG）是对图像局部区域的梯度方向直方图进行统计，形成最终特征，首先将图像划分成小元胞区域（cell），统计每个元胞区域的梯度直方图，获取不同方向的梯度分布统计。将每几个元胞组成1个块，1个块内所有元胞的特征串联起来可得到该块的方向梯度直方图特征。通过滑动块，将图像所有块的方向梯度直方图特征串联起来，即得到该图像最终可供分类使用的方向梯度直方图特征向量。
由于传统的梯度方向直方图特征只对各像素点水平及垂直方向的梯度幅值与梯度方向进行提取，忽略了周围其他邻域像素值的影响，可能会导致局部信息的丢失；同时，传统梯度方向直方图特征的子窗口尺寸过小，会弱化平滑效果致使降噪效果差，从而降低最终识别率。
针对传统梯度方向直方图特征存在的不足，对图像进行多尺度的梯度方向直方图特征提取。随着梯度方向直方图特征的子窗口尺度半径与邻域像素点数量增加，提高了与周围其他邻域像素的联系，弥补细节丢失造成的对图像描述的不足。但多尺度的梯度方向直方图特征不能直接进行梯度计算，梯度对应的邻域像素点位置并没有完全对应具体的像素点，因此，在对图像提取各个方向梯度之前，需要对每一个像素点对应邻域像素点求解其亚像素值。
具体的，所述利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征包括以下步骤：
S6421、计算已存放医用耗材图像中每个像素点对应领域像素点的亚像素值；
采用距离进行计算：通过求解Q点分别到A、B、C、D点的距离，并将其距离的倒数求和分别计算各自的权重，最终Q点的亚像素值为各点像素值乘以各自权重之和。
S6422、将任意方向的梯度分解成水平和垂直方向，并通过对反方向的水平和垂直的梯度进行相互简化及抵消；
具体的，多尺度下的HOG特征存在多个不同方向的梯度，因此，需要斜方向的梯度进行正交分解，同一分解水平与垂直方向的梯度。
S6423、利用最终的梯度计算公式计算得到改进的梯度方向直方图特征；
其中，所述亚像素值的计算公式为：
Figure DEST_PATH_IMAGE014
式中，Q点表示亚像素点的位置，A、B、C、D点表示亚像素点周围的领域像素点，AQ、BQ、CQ、DQ分别表示点Q到点A、B、C、D的距离，A（x，y）、B（x，y）、C（x，y）、D（x，y）点分别表示点A、B、C、D的像素值，Q（x，y）表示Q点对应的亚像素值，Total表示总的权重；
所述最终的梯度计算公式为：
Figure DEST_PATH_IMAGE016
式中，Gx（x，y）表示分解合成后的水平方向的梯度，Gy（x，y）表示分解合成后的垂直方向的梯度，
Figure DEST_PATH_IMAGE018
表示改进的梯度幅值，
Figure DEST_PATH_IMAGE020
表示改进的梯度方向。；
S643、将改进的梯度方向直方图特征与局部二值模式特征线性加权得到融合特征；
局部二值模式是一种用来描述图像局部纹理的特征，局部二值模式特征的算子是指在1个3x3的窗口内，以这个窗口的中心像素为阈值，与相邻的8个像素的灰度值比较，若周围像素值大于中心位置点的像素值，则该位置点被标记为1，否则为0。在这个3x3邻域内的周围8个位置点经比较后可产生8位的二进制数，将其转换为十进制数，即为该中心点的局部二值模式的值。
局部二值模式特征反映的是中心像素点与领域像素点之间的差值，所以当灰度值变化为同增同减时，局部二值模式特征变化并不明显，因此，可以认为局部二值模式检测的仅是图像的纹理及缺陷特征。利用局部二值模式特征谱做256维的直方图统计，直方图可作为特征向量用于分类识别。通过主成分分析，将其特征根及其相应特征贡献率从大到小依次排序，以特征贡献率累计超过95%为准则，提取前76个特征。据此将特征向量降维，获得76维特征向量，作为缺陷检测分类的特征输入。
S644、通过全局信息与监督信息改进局部保持投影算法并进行降维处理，具体包括以下步骤：
S6441、利用模糊聚类分析算法构造加权邻接图G，其中顶点表示高维数据,边代表相邻关系，如果数据xi和xj具有邻近关系，则G中顶点i和j边连接，与xi距离最近的k个点组成样本集Ni，并判断邻近数据xi和xj是否属于相同类别并赋予不同的权重值；
S6442、利用属于和不属于的邻近数据xi的样本分别构建样本集Li，Mi，并构建改进的权重矩阵；
S6443、融合主成分分析算法的全局目标函数和局部保持投影（LPP）算法的局部目标函数，得到降维算法的目标函数；
其中，所述改进的权重矩阵为：
Figure DEST_PATH_IMAGE022
式中，Sij表示改进的权重矩阵，当Sij既不属于Li，也不属于Mi时，Sij=0，xi，xj表示两组邻近数据，Li，Mi表示两组样本集，γ表示回归参数；
从改进的权重矩阵公式可知，当xi与xj属于同一类别时，权重值自适应增加，当不属于同一类别时，权重值会有所减低，从而实现监督信息融人LPP算法。
所述降维算法的目标函数为：
Figure DEST_PATH_IMAGE024
式中，
Figure DEST_PATH_IMAGE026
表示数据yi的样本均值，n表示样本总数，i表示定点，j表示边，Sij表示改进的权重矩阵；
S645、利用支持向量机对降维后的特征进行识别，得到当前医用耗材的缺陷识别结果，实现对异常医用耗材的筛选并确定数量。支持向量机一般用于求解线性可分问题。对于给定的线性可分训练数据集，通过构造间隔最大化可得到分离超平面；而对于线性不可分问题，一般将其转化为1个线性分类问题进行求解，即采用核技巧。将输入空间通过非线性映射转换到特征空间，使得输入空间中的超曲面模型对应于特征空间上的1个超平面模型（即支持向量机），问题转化为在特征空间求解支持向量机。
本实施例中的核函数可以根据实际应用需求进行选取，目前常用的核函数包括多项式核函数、高斯核函数、S型核函数及线性核函数。当特征维数较大时应选线性核函数，但其适用线性可分的数据集。当特征维数较少，样本量适中时，可选择高斯核函数，其可将特征映射到无限多维，但计算速度相对较慢，且容易过拟合。多项式核函数可以拟合出复杂的分割超平面，但其参数较多S型核函数可以将1个实数映射到（0,1）的区间，可以用来做二分类，但当特征相差大时效果较差。
S7、将各医用耗材的使用历史记录输入到神经网络预测模型，从而预测出当前时期的各医用耗材的使用需求数量；若均未超出同时期的医用耗材的使用需求数量，且中断准备通知管理人员进行的补货操作，返回步骤S1；若其余情况，则执行下一步骤；
将各医用耗材的使用数量和具体日期作为输入变量输入到神经网络预测模型，经过一定数量的输入学习后，可以基于神经网络预测模型预测出当前时期的各医用耗材的使用需求数量；
S8、基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作。
综上所述，借助于本发明的上述技术方案，通过获取医护人员的登陆信息可以对医护人员的身份信息进行验证，从而可以避免非医护人员与医用耗材的随意接触，根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息，从而使得医护人员可以快速的找到所需的医用耗材，而在医护人员获取所需的医用耗材后需要确认信息，从而可以利用医护人员确认的信息来实现对医用耗材的全方位记录，同时，可以利用当前管理柜中各医用耗材柜的重量来计算得到各医用耗材柜中的医用耗材数量信息，实现对管理柜中各医用耗材的自检，当医用耗材的当前数量低于预设的数量阈值时则会准备通知管理人员进行补货操作，并可以利用基于改进的梯度方向直方图特征结合局部保留投影算法对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定，从而使得本发明可以实现医用耗材管理柜的登陆验证、出库、自检及异常耗材筛选的一体化控制，进而可以更好地实现对医用耗材的精细化控制及管理。
此外，通过利用基于改进的梯度方向直方图特征结合局部保留投影算法对已存放医用耗材进行图像识别，有效地解决了因局部信息丢失而导致对图像描述不全面的问题，从而有效地提高了对噪声的鲁棒性，使得管理柜可以在医院的噪声环境下更好地实现对异常医用耗材的识别及筛选，从而可以有效地提高在噪音环境下的识别准确率，更好地保障医用耗材的质量需求，有效地避免因医用耗材质量不达标而导致的医疗事故情况的发生，进而可以更好地满足于医患的使用需求；基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作，能够动态的基于各医用耗材的历史使用情况，针对性的对管理柜中的医用耗材进行动态调整。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，该智能自动控制方法包括以下步骤：
S1、获取医护人员的登陆信息及所需的医用耗材信息，并对医护人员的身份信息进行验证；
S2、根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息，并依据该医用耗材的位置信息开启对应的柜门；
S3、医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息；
S4、利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息；
S5、将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较；
S6、基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定；
S7、将各医用耗材的使用历史记录输入到神经网络预测模型，从而预测出当前时期的各医用耗材的使用需求数量；若均未超出同时期的医用耗材的使用需求数量，且中断准备通知管理人员进行的补货操作，返回步骤S1；若其余情况，则执行下一步骤；
S8、基于预测出的当前时期的各医用耗材的使用需求数量，结合异常医用耗材的数量，考虑医用耗材管理柜中各医用耗材的存余数量，约束以医用耗材管理柜的总体数量的阈值限制，得出各医用耗材的实际补货数量，并向管理人员发出具体的包括各医用耗材的实际补货数量的补货操作。
2.根据权利要求1所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述对医护人员的身份信息进行验证包括账户密码信息验证、指纹信息验证、面部信息验证及二维码信息验证。
3.根据权利要求1所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述根据获取的医用耗材信息确定管理柜中该医用耗材的位置信息之前还包括以下步骤：
依据预设的编号顺序分别对管理柜中的各医疗耗材柜进行编号，并建立医疗耗材与医疗耗材柜编号一一对应的关系表；
利用医用耗材与医疗耗材柜编号的关系表依次将待存放的医疗耗材存入医用耗材柜内，并通过各医用耗材的有效期对医用耗材进行排序。
4.根据权利要求3所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述医护人员获取管理柜中所需的医用耗材，并通过管理柜上的触摸显示屏确认信息包括以下步骤：
S31、医护人员根据开启的医用耗材柜门找到所需的医用耗材柜，并按照从前至后的顺序从该医用耗材柜中获取所需的医用耗材；
S32、医护人员通过管理柜上的触摸显示屏输入确认信息，并记录医护人员与医用耗材的对应关系。
5.根据权利要求1所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述利用预设的称重传感器实时获取管理柜中各医用耗材柜的重量数据，并计算得到各医用耗材柜中的医用耗材数量信息包括以下步骤：
S41、利用预先安装于医用耗材柜底部的称重传感器实时获取管理柜中各医用耗材柜的重量数据；
S42、获取管理柜中各医疗耗材的单个重量数据，并利用数量计算公式计算得到各医用耗材柜中的医用耗材数量信息。
6.根据权利要求1所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述将管理柜中各医用耗材的数量信息依次与各医用耗材的数量阈值信息进行比较包括以下步骤：
S51、分别获取各医用耗材柜中的医用耗材数量信息及各医用耗材预设的数量阈值信息；
S52、依次判断各医用耗材柜中的医用耗材数量是否超出各医用耗材预设的数量阈值。
7.根据权利要求3所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，基于比较结果来判断是否准备通知管理人员进行补货操作，当准备通知管理人员进行补货操作时，利用图像识别技术对已存放的医用耗材进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S61、利用基于预先安装于管理柜内部的摄像装置采集管理柜内已存放医疗耗材的图像信息；
S62、将采集的医疗耗材图像与标准的医疗耗材图像进行分析比对，实现对当前医疗耗材的识别，并结合关系表输出与该医疗耗材相对应的医疗耗材柜编号；
S63、利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定。
8.根据权利要求7所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述利用基于改进的梯度方向直方图特征结合局部保留投影算法对当前的医疗耗材图像进行识别，实现对异常医用耗材的筛选和数量确定包括以下步骤：
S641、采集已存放医用耗材的图像信息，并计算不同尺度下各方向的梯度；
S642、利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征；
S643、将改进的梯度方向直方图特征与局部二值模式特征线性加权得到融合特征；
S644、通过全局信息与监督信息改进局部保持投影算法并进行降维处理；
S645、利用支持向量机对降维后的特征进行识别，得到当前医用耗材的缺陷识别结果，实现对异常医用耗材的筛选并确定数量。
9.根据权利要求8所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述利用正交分解法将各方向的梯度进行结合，得到改进的梯度方向直方图特征包括以下步骤：
S6421、计算已存放医用耗材图像中每个像素点对应领域像素点的亚像素值；
S6422、将任意方向的梯度分解成水平和垂直方向，并通过对反方向的水平和垂直的梯度进行相互简化及抵消；
S6423、利用最终的梯度计算公式计算得到改进的梯度方向直方图特征；
其中，所述亚像素值的计算公式为：
Figure 570198DEST_PATH_IMAGE002
式中，Q点表示亚像素点的位置，A、B、C、D点表示亚像素点周围的领域像素点，AQ、BQ、CQ、DQ分别表示点Q到点A、B、C、D的距离，A（x，y）、B（x，y）、C（x，y）、D（x，y）点分别表示点A、B、C、D的像素值，Q（x，y）表示Q点对应的亚像素值，Total表示总的权重；
所述最终的梯度计算公式为：
Figure 189398DEST_PATH_IMAGE004
式中，Gx（x，y）表示分解合成后的水平方向的梯度，Gy（x，y）表示分解合成后的垂直方向的梯度，
Figure 862956DEST_PATH_IMAGE006
表示改进的梯度幅值，
Figure 986157DEST_PATH_IMAGE008
表示改进的梯度方向。
10.根据权利要求8所述的一种基于称重型医用耗材管理柜的智能自动控制方法，其特征在于，所述通过全局信息与监督信息改进局部保持投影算法并进行降维处理包括以下步骤：
S6441、利用模糊聚类分析算法构造加权邻接图，并判断两组邻近数据是否属于相同类别并赋予不同的权重值；
S6442、利用两组邻近数据的样本分别构建两组样本集，并构建改进的权重矩阵；
S6443、融合主成分分析算法的全局目标函数和局部保持投影算法的局部目标函数，得到降维算法的目标函数。
CN202211545173.2A 2022-12-05 2022-12-05 一种基于称重型医用耗材管理柜的智能自动控制方法 Pending CN115547475A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211545173.2A CN115547475A (zh) 2022-12-05 2022-12-05 一种基于称重型医用耗材管理柜的智能自动控制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211545173.2A CN115547475A (zh) 2022-12-05 2022-12-05 一种基于称重型医用耗材管理柜的智能自动控制方法

Publications (1)

Publication Number Publication Date
CN115547475A true CN115547475A (zh) 2022-12-30

Family

ID=84722691

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211545173.2A Pending CN115547475A (zh) 2022-12-05 2022-12-05 一种基于称重型医用耗材管理柜的智能自动控制方法

Country Status (1)

Country Link
CN (1) CN115547475A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118197574A (zh) * 2024-03-14 2024-06-14 中国航天科工集团七三一医院 一种语音智能自动介入耗材柜

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019075020A (ja) * 2017-10-18 2019-05-16 シヤチハタ株式会社 消耗材管理システム及び消耗材管理方法
CN110188646A (zh) * 2019-05-23 2019-08-30 南京邮电大学 基于梯度方向直方图与局部二值模式融合的人耳识别方法
CN113421636A (zh) * 2021-07-02 2021-09-21 重庆博尔德医疗科技股份有限公司 一种用于称重型医用耗材管理柜的智能管理系统及方法
CN114971748A (zh) * 2022-07-27 2022-08-30 阿里健康科技(中国)有限公司 预测数据生成、模型训练方法、计算机设备以及存储介质

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019075020A (ja) * 2017-10-18 2019-05-16 シヤチハタ株式会社 消耗材管理システム及び消耗材管理方法
CN110188646A (zh) * 2019-05-23 2019-08-30 南京邮电大学 基于梯度方向直方图与局部二值模式融合的人耳识别方法
CN113421636A (zh) * 2021-07-02 2021-09-21 重庆博尔德医疗科技股份有限公司 一种用于称重型医用耗材管理柜的智能管理系统及方法
CN114971748A (zh) * 2022-07-27 2022-08-30 阿里健康科技(中国)有限公司 预测数据生成、模型训练方法、计算机设备以及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN118197574A (zh) * 2024-03-14 2024-06-14 中国航天科工集团七三一医院 一种语音智能自动介入耗材柜

Similar Documents

Publication Publication Date Title
US20240169564A1 (en) Tracking Surgical Items With Prediction Of Duplicate Imaging Of Items
CN108038476B (zh) 一种基于边缘检测与sift的人脸表情识别特征提取方法
CN108090433B (zh) 人脸识别方法及装置、存储介质、处理器
Hallinan Recognizing human eyes
CN113808738B (zh) 一种基于自识别影像的疾病识别系统
CN114663715B (zh) 医学图像质控、分类模型训练方法、装置及计算机设备
CN110580942A (zh) 一种新型体检报告生成方法、装置、介质及终端设备
CN115547475A (zh) 一种基于称重型医用耗材管理柜的智能自动控制方法
CN111429409A (zh) 对图像中人物佩戴眼镜的识别方法、系统及其存储介质
Chakraborty et al. Automated breast cancer identification by analyzing histology slides using metaheuristic supported supervised classification coupled with bag-of-features
CN113963199B (zh) 一种基于多种传感器特征融合和机器学习的医废识别方法
Srivastava et al. Automated emergency paramedical response system
He et al. Automatic microscopic cell counting by use of deeply-supervised density regression model
CN113849737A (zh) 一种画像数据处理方法
CN113435469A (zh) 一种基于深度学习的肾肿瘤增强ct图像自动识别系统及其训练方法
CN103168305A (zh) 利用表现出特殊特性的病例使患者数据库动态生长的系统与方法
CN106682429A (zh) 医学数据处理方法及医学数据管理系统
CN110097058A (zh) 基于区域加权组合的不规则形式图像物体自动标注方法
CN109003259A (zh) 基于纹线质量专家视觉认知机器学习的指纹质量评价方法
CN114550930A (zh) 疾病预测方法、装置、设备及存储介质
Rahkoyo et al. IoT-Based Fingerprint Attendance System: Enhancing Efficiency and Security in Educational and Organizational Settings
Ashraf et al. Dimension Reduction using Dual-Featured Auto-encoder for the Histological Classification of Human Lungs Tissues
Ильяшенко et al. Возможности применения компьютерного зрения для аналитики данных в медицине
Anandh et al. IoT and cloud-based feature extraction and classification model for automatic glaucoma detection
CN113688784B (zh) 基于人脸识别的医保卡盗用风险识别方法及其相关设备

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