次世代智慧型加護病房照護系統-子計畫七：智慧型ICU視訊分析、顯示及晶片控制系統計畫( I )

Abstract

本計畫為期三年，主要目的為研發ICU醫療型視訊監控系統、智慧型日夜視訊顯示與分析，及以手勢遙控之多功能電子窗台。在第一年的研究主題：醫療型視訊監控系統，主要以視訊方式分析ICU的病患與病床周遭相關的動態資訊，其中包含了「強健性背景模型硬體化之規劃」、「醫療之強健性背景模型硬體實現」與「智慧型病床動態分析演算法設計與效能分析」。在「強健性背景模型硬體化之規劃」中，為了能準確、快速偵測移動物件，我們使用高斯混合模型(Gaussian mixture model, GMM)，但傳統GMM中，對影像中每個像素皆給予相同的學習速率，會造成背景變化之強健性與異常前景之敏感度的權衡(R-S tradeoff)及不同監控場景之管理效率低落。因此，本計畫使用改良的GMM，利用兩項獨立、動態更新之學習速率以維持模型預測的準確性及調整權衡R-S tradeoff。此外，為了讓此GMM演算法能夠應用在嵌入式系統，本計畫提出一個去除浮點數參數的資料格式。在實驗中，我們將不同資料格式的GMM演算法進行比較。實驗結果顯示，本計畫提出的方法可以維持高準確度。在「醫療之強健性背景模型硬體實現」中，因乘除法的精準度將直接決定最後演算法的效果，而其與硬體的成本息息相關，所以為使Memory Bandwidth的需求下降，本計畫加入了MMSQ影像壓縮的方法。由實驗結果顯示，此演算法失真仍控制在理想的範圍內，且可以有效降低Memory Bandwidth，使得強健性背景模型硬體實現中，能支援更大的Frame Size或者是更高的FPS。「智慧型病床動態分析演算法設計與效能分析」是由本計畫到台中榮總進行探訪，經過雙方討論後，對方對本研究方向感到興趣而進行的。主要是預防病患擅自進行非經由醫護人員計畫之拔管行為。本計畫提出一套拔管偵測演算法，利用病床床頭上方攝影裝置所得到的視訊影像，進行分析，其演算法主要是利用偵測視訊影像中手部位置與臉部位置，並加以分析判斷病患是否意圖進行拔管動作，並且在病患進行拔管成功前發出預警訊息給予醫護人員。其中手部位置評估是用連續影像進行背景相減得出變動部分，並以Derivative of Gaussian過濾結果。在偵測臉部位置的方法中，使用Haar 特徵，並透過AdaBoost訓練模型訓練出適合ICU模擬影片環境的人臉分類器。實驗結果顯示，對於模擬影像中病人的手部位置與模擬實際上的位置有相當一致的指標性，而臉部辨識也能得到相當程度的理想結果，能初步提供警示訊息給醫護人員做為參考、以期減少非計畫性拔管的發生。「手勢遙控之多功能電子窗台之初期研究分析」是本計畫第三年的主題，但因台中榮總醫生們的建議而提前進行。目的是藉由在病房中建置一套電子視窗，其以視覺分析技術為基礎進行手勢遙控，以提升醫護人員的決策的效率、降低工作負荷、減少人為疏失，使得醫護人員與病患、家屬等人，能夠以非常簡便的手勢遙控，做資訊瀏覽與操控。