‹ Back

با ادغام دوربین تشخیص چهره با هوش مصنوعی و حسگرهای اینترنت اشیا، کارکنان بیمارستان می‌توانند به‌طور خودکار بیمارانی را که بدون اجازه از بیمارستان خارج می‌شوند یا در اطراف پرسه می‌زنند، تشخیص دهند و سیستم نظارتی، آرامش خاطر و ایمنی را برای بیماران و کارکنان بیمارستان فراهم می‌کند.

بیمارستان شینسی ژاپن

پزشکی و مراقبت‌های بهداشتی

تشخیص چهره

نام ارائه دهنده:

شرکت آستریا

خدمات اجرایی:

سیستم تشخیص بازدیدکننده «گراویو» با استفاده از تشخیص چهره هوش مصنوعی پیشرفته

بیمارستان شینسی، یک بنیاد عمومی ثبت شده که توسط کوداما هوشاکای در شهر کاگوشیما اداره می‌شود، Gravio Enterprise AI Edition را برای جلوگیری از آسیب‌های ناشی از بیماران بستری مبتلا به زوال عقل یا بیماران در حالت هذیان پس از جراحی که در بیمارستان سرگردان هستند و همچنین مشکلات مختلف ناشی از ترک بیمارستان بدون اجازه بیماران، معرفی کرده است. با استفاده از تشخیص چهره هوش مصنوعی از طریق دوربین، اکنون می‌توان به طور خودکار بیمارانی را که بدون اجازه از مرکز خارج می‌شوند یا سرگردان هستند، تشخیص داد. علاوه بر این، حسگرهای حرکتی ارائه شده توسط Gravio برای تقویت نظارت بر بیمارانی که شب‌ها در بیمارستان پرسه می‌زنند نصب شده‌اند، حسگرهای باز و بسته شدن در برای تشخیص زمان باز و بسته شدن درهای اتاق بیمار نصب شده‌اند و حسگرهای CO₂ برای اطمینان از تهویه مناسب فضای داخلی در زمان‌های مناسب نصب شده‌اند.

نتایج اجرای وظایف بیمارستان شینسی

درباره مقدمه

 

مقدمه ۰۱

مقدمه ۰۲

چگونه می‌توانیم خروج بدون اجازه بیماران از بیمارستان یا پرسه زدن آنها در بیمارستان را تشخیص داده و از آن جلوگیری کنیم؟

اول از همه، می‌توانید به‌طور خلاصه در مورد کسب‌وکار بیمارستان شینسی برای ما توضیح دهید؟

کوماگای: بیمارستان ما یک بیمارستان با مراقبت‌های مختلط است که در شهر کاگوشیما واقع شده است و ما به طیف گسترده‌ای از نیازهای پزشکی در منطقه، از مراقبت‌های سرپایی گرفته تا مراقبت‌های بستری، پاسخ می‌دهیم. این بیمارستان دارای ۲۸ تخت در بخش عمومی و ۳۷ تخت در بخش نقاهتگاه است. برخلاف معمول برای بیمارستانی با این اندازه، ما تجهیزات و پزشکان لازم برای انجام اعمال جراحی را داریم که به ما این مزیت را می‌دهد که بتوانیم انواع مراقبت‌ها را برای بیماران در یک مرحله ارائه دهیم. من تا ژوئیه ۲۰۲۰ به عنوان مدیر بیمارستان خدمت کردم، اما از زمان بازنشستگی از آن سمت، درگیر مذاکرات زیادی با طرف‌های خارج از بیمارستان، مانند انجمن‌های پزشکی، بوده‌ام.

اول از همه، می‌توانید به‌طور خلاصه در مورد کسب‌وکار بیمارستان شینسی برای ما توضیح دهید؟

شما اخیراً یک «راهکار تشخیص سرگردان» معرفی کرده‌اید که از Gravio Enterprise AI Edition استفاده می‌کند و به یک دوربین تشخیص چهره مبتنی بر هوش مصنوعی مجهز است. هدف شما از ارائه این راهکار چه بود؟

کوماگای: بیمارستان ما بیماران زیادی مبتلا به زوال عقل و همچنین بیمارانی که برای عمل جراحی بستری شده‌اند، دارد. برخی از بیماران مبتلا به زوال عقل یا کسانی که پس از عمل جراحی در حالت هذیان هستند، سعی می‌کنند بیمارستان را ترک کنند یا در اطراف مرکز سرگردان شوند. به دلایل ایمنی، قانون این است که بیماران قبل از بیرون رفتن باید از پرستار اجازه بگیرند، اما در واقعیت، تعداد قابل توجهی از بیماران سعی می‌کنند بدون اجازه بیرون بروند و من معتقدم که این فقط مشکل بیمارستان ما نیست، بلکه بسیاری از بیمارستان‌های دیگر نیز با آن مواجه هستند. به همین دلیل ما به سراغ دنستسو کوگیو رفتیم تا ببینیم آیا می‌توانند راه خوبی برای کاهش این رفت و آمدهای غیرمجاز پیدا کنند یا خیر.

یاناگیموتو: ما در دنستسو کوگیو، درست مانند بیمارستان شینسی، در شهر کاگوشیما مستقر هستیم و شرکتی هستیم که خدمات نصب و نگهداری یک مرحله‌ای تجهیزات الکتریکی و دوربین‌های امنیتی را به مشتریان در مناطق کیوشو و اوکیناوا ارائه می‌دهیم. وقتی برای اولین بار درباره این پروژه از بیمارستان شینسی شنیدیم، فکر کردیم که می‌توانیم با چسباندن برچسب‌های RFIDبرچسب‌های IC به دمپایی، لباس خواب و غیره بیماران، حرکات آنها را ردیابی و تشخیص دهیم. با این حال، وقتی هزینه و نیروی کار مورد نیاز برای مدیریت RFID را در نظر گرفتیم، به این نتیجه رسیدیم که این موضوع خیلی واقع‌بینانه نیست. پس از بررسی‌های فراوان برای بررسی اینکه آیا راه‌حل‌های خوب دیگری وجود دارد یا خیر، در نهایت به یک راه‌حل هوش مصنوعی تشخیص چهره رسیدیم که از یک دوربین استفاده می‌کند.

مجهز به دوربین تشخیص چهره با هوش مصنوعی

پذیرش "نسخه هوش مصنوعی Gravio Enterprise"

راهکارهای هوش مصنوعی تشخیص چهره مبتنی بر دوربین زیادی در دسترس هستند، اما چه چیزی باعث شد Gravio Enterprise AI Edition را انتخاب کنید؟

یاناگیموتو: در ابتدا، ما راه‌حل‌های بیش از ۱۰ شرکت را مقایسه کردیم و در نهایت به سه شرکت محدود شدیم. دلیل اصلی که ما در نهایت Gravio Enterprise AI Edition را انتخاب کردیم این بود که داده‌های تصویری گرفته شده با دوربین را می‌توان صرفاً روی کامپیوتر لبه پردازش کرد، بدون اینکه نیازی به ارسال آن به فضای ابری باشد. از آنجا که تصاویر بیمار اطلاعات شخصی محسوب می‌شوند، احساس کردیم که برای جلوگیری از نشت اطلاعات، Gravio Enterprise AI Edition ایده‌آل خواهد بود، زیرا پردازش استنتاج تصویر هوش مصنوعی را در داخل کامپیوتر لبه تکمیل می‌کند و داده‌های تصویر را به خارج ارسال نمی‌کند.

در مورد سهولت اجرا چطور؟

یاناگیموتو: راهکارهای تشخیص چهره مبتنی بر هوش مصنوعی از سوی تولیدکنندگان بزرگ بسیار گران هستند و همین امر پیاده‌سازی آنها را برای مراکز کوچک و متوسط ​​و مؤسسات پزشکی بسیار دشوار می‌کند. با این حال، این واقعیت که Gravio Enterprise AI Edition را می‌توان با هزینه کم پیاده‌سازی کرد، بسیار جذاب بود. ما همچنین مجذوب این واقعیت شدیم که به جای ساختن یک سیستم از ابتدا، می‌توان با استفاده از مدل‌های استنتاج تصویر از پیش آموزش‌دیده و برنامه‌های از پیش تعیین‌شده، به سرعت و در مدت زمان کوتاهی یک سیستم ساخت. علاوه بر این، شرکت ما کارکنان کمی با مهارت‌های برنامه‌نویسی دارد، اما Gravio Enterprise AI Edition نیازی به برنامه‌نویسی ندارد و می‌توان آن را با پیکربندی و تنظیم ساده نرم‌افزار ساخت، بنابراین احساس کردیم که حتی شرکت ما هم می‌تواند از پس آن برآید و در نهایت تصمیم گرفتیم آن را به کار بگیریم.

نظر شما در مورد شرکت آستریا چه بود؟

یاناگیموتو: در واقع، محصولی از یک شرکت سرمایه‌گذاری کوچک دیگر نیز به عنوان کاندیدای انتخاب در نظر گرفته شد، اما شرکت‌های سرمایه‌گذاری همچنان از نظر تداوم کسب‌وکار با ریسک‌هایی مواجه هستند. در این زمینه، آستریا تجربه زیادی دارد و بسیار قابل اعتماد است. علاوه بر این، شرکت ما از قبل دانش فنی گسترده‌ای در نصب دوربین‌های امنیتی و طراحی و ساخت شبکه داشت، بنابراین از این نظر تصمیم گرفتیم که Gravio Enterprise AI Edition راه‌حلی باشد که به ما امکان می‌دهد از نقاط قوت خود استفاده کنیم.

تشخیص خودکار، حجم کار کارکنان بیمارستان را کاهش می‌دهد

چه زمانی پیاده‌سازی Gravio Enterprise AI Edition را شروع کردید؟

یاناگیموتو: ابتدا، ما در آگوست ۲۰۲۱ تأیید فنی را در شرکت خود انجام دادیم و سپس از بیمارستان شینسی خواستیم که نتایج را بررسی کند، که به ما اجازه داد تا برای اجرای کامل اقدام کنیم. بنابراین، در سپتامبر 2021، دوربین‌ها و دستگاه‌های مرتبط با Gravio را نصب کردیم و ساخت شبکه را در دو مرحله انجام دادیم و بهره‌برداری کامل در پایان سپتامبر آغاز شد. ابتدا، عکس‌های صورت بیمارانی را که در معرض خطر سرگردانی بودند، در یک پایگاه داده ثبت کردیم و سپس دوربین‌هایی را در دو مکان، در ورودی اصلی و ورودی خدمات، نصب کردیم و سیستمی ایجاد کردیم که به هوش مصنوعی دوربین تشخیص چهره اجازه می‌دهد تا تشخیص دهد چه زمانی بیمار از این مکان‌ها عبور می‌کند.

ما همچنین حسگرهای حرکتی Gravio را روی دو راه‌پله در بیمارستان نصب کردیم و یک سیستم اضافی را معرفی کردیم که به‌طور خودکار تشخیص می‌دهد که آیا بیماران شب‌ها در بیمارستان پرسه می‌زنند یا خیر.

یکی از ویژگی‌های جذاب Gravio به عنوان روشی برای تشخیص سرگردانی این است که می‌تواند از دوربین تشخیص چهره، هوش مصنوعی و حسگرهای اینترنت اشیا در ترکیب مناسب برای هر هدف استفاده کند.

راهکار تشخیص سرگردانی - هوش مصنوعی و اینترنت اشیا می‌توانند با هم ترکیب شوند و در جای مناسب مورد استفاده قرار گیرند

دوربین‌های هوش مصنوعی تشخیص چهره در دو مکان، ورودی اصلی و ورودی فرعی، نصب شده‌اند تا زمان خروج بیماران بستری از مرکز را تشخیص دهند.

(با ثبت عکس‌های صورت از قبل، می‌توان بیماران بستری‌شده‌ای را که ممکن است سرگردان باشند، شناسایی کرد.)

یک حسگر حرکتی، افرادی را که در شب از پله‌ها استفاده می‌کنند (سرگردان هستند) تشخیص می‌دهد

حسگرهای حرکتی، افرادی را که در شب از پله‌ها استفاده می‌کنند (سرگردان هستند) تشخیص می‌دهند.

نتایج تشخیص چگونه به کارکنان بیمارستان اطلاع داده می‌شود؟

کوماگای: وقتی هوش مصنوعی دوربین تشخیص چهره، بیماری را شناسایی می‌کند، چراغ گشت نصب شده در ایستگاه کارکنان چشمک می‌زند و زنگ هشدار به صدا در می‌آید و یک پیام اعلان و عکسی از بیمار سرگردان که توسط دوربین گرفته شده است، فوراً در برنامه LINE در تلفن هوشمند پرستار نمایش داده می‌شود. با معرفی این سیستم، پرستاران و سایر کارکنان بیمارستان دیگر لازم نیست نگران این باشند که بیماران مبتلا به زوال عقل بدون اجازه از بیمارستان خارج شوند. پیش از این، ما مجبور بودیم دائماً مراقب بیمارانی باشیم که بیرون بودند، اما از زمان معرفی این راهکار، اگر مشکلی پیش بیاید، چراغ راهنما زنگ خطر را به صدا در می‌آورد که به افزایش بهره‌وری کار کمک کرده است.

وقتی هوش مصنوعی دوربین، سرگردانی یک بیمار مبتلا به زوال عقل را تشخیص می‌دهد، یک اعلان LINE به کارکنان ارسال می‌کند.

آیا تا به حال از این سیستم برای تشخیص سرگردانی بیمار استفاده شده است؟

کوماگای: بله. ما در حال حاضر بیماران مبتلا به زوال عقل را در اینجا بستری داریم و وقتی یکی از آنها سعی کرد شب هنگام بدون اجازه از خانه خارج شود، حسگر واکنش نشان داد و ما توانستیم در مراحل اولیه از وقوع این اتفاق جلوگیری کنیم. اگر این راهکار را اجرا نکرده بودیم، شاید متوجه خروج غیرمجاز نمی شدیم.

لطفاً در مورد هرگونه ایده هوشمندانه یا مشکلاتی که هنگام معرفی Gravio Enterprise AI Edition با آن مواجه شدید، برای ما بگویید.

 

یاناگیموتو: Gravio Enterprise AI Edition طراحی بدون کد دارد، به این معنی که می‌توان آن را بدون نیاز به برنامه‌نویسی ساخت، بنابراین با استفاده از آن، حتی کارکنان ما نیز توانستند آن را به راحتی راه‌اندازی کنند. برنامه LINE در حال حاضر قابلیت ارسال پیام‌های متنی را دارد، اما ما معتقدیم که با اضافه شدن یک ویژگی منحصر به فرد که به کاربران امکان می‌دهد عکس‌های بیماران مبتلا به زوال عقل را که توسط دوربین گرفته شده‌اند، ضمیمه کنند، قابلیت استفاده آن بیشتر بهبود یافته است. همچنین، نرخ تشخیص هوش مصنوعی بسته به زاویه صورت و میزان نور خورشید و روشنایی تغییر می‌کند، بنابراین تنظیم این تنظیمات هم جالب و هم دشوار بود. ضمناً، این تنظیم هنوز ادامه دارد.

معرفی راهکارهای مختلف اینترنت اشیا به غیر از تشخیص چهره مبتنی بر هوش مصنوعی

شنیده‌ام که الان نه تنها در ورودی و خروجی، بلکه در سالن انتظار هم دوربین سوم نصب کرده‌اند.

یاناگیموتو: بله. ما در حال حاضر در حال اجرای آزمایشی این سیستم هستیم، با این ایده که با استفاده از هوش مصنوعی دوربین برای تشخیص تعداد افراد در اتاق انتظار، ممکن است بتوانیم به طور خودکار سطح ازدحام را تعیین کنیم.

کوماگای: ما همچنین حسگرهای Gravio CO₂ و حسگرهای دما/رطوبت را در اتاق انتظار و پذیرش نصب کردیم و مقادیر اندازه‌گیری شده را روی ماتریس LED Gravio نمایش دادیم. این امر به کارکنان اجازه می‌دهد تا به سرعت متوجه افزایش تعداد افراد در اتاق شوند و اقداماتی را برای تهویه اتاق انجام دهند و از این طریق به پیشگیری از عفونت کمک کنند. در آینده، ما همچنین در حال بررسی نصب حسگرهای باز/بسته شدن Gravio روی درهای اتاق‌های بیمارستانی بیمارانی هستیم که در معرض خطر سرگردانی هستند، تا سیستمی را معرفی کنیم که بتواند به طور خودکار زمان باز شدن در در شب را تشخیص دهد. ما در حال حاضر در حال نصب این حسگر باز و بسته شدن در یک اتاق کنفرانس هستیم و در حال آزمایش عملی بودن آن هستیم.

راهکار تشخیص 3C - هوش مصنوعی و اینترنت اشیا می‌توانند با هم ترکیب شده و در جای مناسب استفاده شوند.