Stampa 3D di un portapillole intelligente con riconoscimento delle immagini della rete neurale

I farmacisti ospedalieri sono sempre molto occupati, poiché devono gestire un’ampia varietà di farmaci. Hanno bisogno di mantenere la medicina sicura, e non importa quanto duramente possiamo provare, le persone non sono perfette, quindi processi come questi sono sempre soggetti a errori umani. Un modo per risolverlo è utilizzare un sistema di erogazione di pillole , che può essere fabbricato con la stampa 3D . Cinque ricercatori di Taiwan hanno pubblicato un documento intitolato ” Sviluppo di Smart Pillbox utilizzando la tecnologia di stampa 3D e il riconoscimento delle immagini della rete neurale convoluzionale “, sul sistema automatizzato che hanno sviluppato che rende più accurato e semplice erogare i farmaci.

“La sicurezza nel prendere la medicina è importante per l’assistenza sanitaria. In questo studio, proponiamo un concetto completo di pillbox smart attiva, che comprende un’unità di controllo principale, un’unità di erogazione di pillole e un software applicativo (app) per l’erogazione automatica di medicinali. Il portapillole intelligente utilizza il riconoscimento delle immagini della rete neurale convoluzionale e la tecnologia di stampa 3D “, affermano gli abstract.

Hanno progettato il sistema come un meccanismo stampato in 3D, che utilizza una piattaforma basata su Arduino per controllarne il movimento e un’app mobile per impostare i parametri tramite smartphone. L’app imposta il tipo di farmaco e a che ora dovrebbe essere impiegato, quindi lo smartphone trasmetterà le impostazioni selezionate tramite Bluetooth alla piattaforma principale.

“Arduino (master) invia i comandi di azione tramite un MAX485 ad Arduino (slave). Arduino (slave) riceve il comando e avvia l’azione. Nel processo di azione di Arduino (slave), Arduino (master) principale continua a trasmettere il messaggio a ciascun Arduino (slave) e completa le azioni per ciascun Arduino (slave). Dopo aver completamente distribuito le pillole, il principale Arduino (maestro) restituisce il messaggio allo smartphone per informare l’utente che prende il medicinale “, hanno spiegato i ricercatori.

Il sistema di portapillole è stato progettato in Solidworks ed è stato stampato in 3D, insieme all’ingranaggio rotante.

Inizialmente, viene utilizzata un’impostazione del pulsante per azionare la smart pillbox, ma alla fine, l’app mobile definirà quale delle pillole deve essere erogata, quindi imposta i comandi del farmaco per quando devono essere rilasciati.

“Per aumentare il numero di tipi di pillole che possono essere conservate, Arduino (maestro) dà istruzioni allo schiavo tramite MAX485, imposta il numero di ogni tipo di pillola e fa funzionare il sistema”, hanno scritto. “I tempi in cui le pillole devono essere lasciate cadere sono impostati, in base al numero di kit organizzato. È possibile impostare più orari e si ricorda all’utente di assumere il medicinale in questi diversi momenti. “

Una volta impostata la quantità di pillole da erogare, il controller Arduino dà un comando per avviare sia il motore che il sensore. Gli ingranaggi del motore guidano gli ingranaggi che si collegano ai denti rotanti, che quindi ruotano il dispensario della pillola. Quindi, una volta che la pillola arriva allo scivolo, viene lasciata cadere e un sensore conta il numero di pillole erogate. Per ogni pillola caduta, un valore sul display viene ridotto di uno.

Le altre parti di questo sistema sono il riconoscimento dell’immagine della pillola e il modello di addestramento. Vengono utilizzati tre processi per riconoscere un’immagine – identificazione, aspetto e ridimensionamento – e, in questo caso, una fotocamera basata sulla popolare rete neurale convoluzionale (CNN) viene utilizzata per eseguire queste e acquisire immagini delle pillole. Queste immagini vengono quindi trasferite all’app dello smartphone per il riconoscimento della CNN.

Questa CNN utilizza l’architettura Googlenet per l’addestramento dei modelli, che ha difficoltà a raggiungere la diversità dei dati. Tuttavia, poiché lo sfondo dell’oggetto in questo sistema è limitato e non presenta identificazioni varie, i ricercatori hanno utilizzato una rete siamese, che “viene spesso utilizzata per il riconoscimento facciale e l’addestramento dell’architettura del modello”.

“Il principio è acquisire le funzionalità della rete neurale per il riconoscimento delle immagini. Il livello finale completamente collegato per la classificazione non viene inserito, ma la funzione viene inserita come una (128, 1). Il vettore, noto anche come incorporamento, quindi scarta la foto dell’elemento identificato e la foto nel database viene selezionata per il modello per ottenere un vettore di (128, 1), quindi i due vettori vengono confrontati “, i ricercatori ha scritto. “Per addestrare questo modello, prima di tutto, dobbiamo definire una funzione di perdita per misurare la distanza tra gli incastri. Qui, usiamo la funzione di perdita della tripletta; ci saranno tre foto: l’ancora e le immagini positive e negative dell’ancora. ”

Poiché il set di dati è un’immagine di una sola pillola, al fine di rilevare le singole pillole, vengono elaborate più immagini in modo da poter utilizzare il rilevamento dei bordi per ritagliare e separare ognuna. Il modello trova la parte esposta ai pixel del bordo seguendo questi passaggi:

Elimina il rumore e l’immagine fluida con una maschera
Calcola i gradienti orizzontali e verticali per trovare il confine
Trova il contorno

“Trovare il contorno: usa la funzione findtour di cv2; con il parametro CV_RETR_EXTERNAL, viene preso solo il contorno del livello più esterno. Input di immagine quadrata: il parametro cv2.boundingRect viene utilizzato e salvato come file di immagine “, hanno affermato.

Ci sono ancora alcuni problemi da risolvere, come l’eccessivo attrito generato dalla presenza di troppi farmaci nella confezione e il fatto che il tasso di riconoscimento del modello di formazione con dati non visti è basso a causa della “mancanza di diversità delle risorse”.

“Se in futuro potremo accumulare più set di dati, la precisione del modello può essere aumentata e il modello può essere confrontato con altri modelli”, hanno affermato.

Tuttavia, poiché gli utenti possono impostare il tipo di pillola e il tempo di trattamento con l’app, è facile utilizzare il sistema pillbox comodamente da casa: in realtà fornisce un promemoria una volta impostati i parametri e quindi distribuirà le pillole giuste al momento giusto.

“Lo scopo di questo studio è quello di sviluppare un sistema di pillbox automatico intelligente sulla base del concetto di un sistema di imballaggio farmaceutico utilizzato negli ospedali intelligenti, un sistema su misura per un uso personalizzato. Lo sviluppo dell’app per smartphone offre un sistema terapeutico più comodo e sicuro per la cura dei pazienti. Non è necessario posizionare le compresse una ad una in un’area designata in base al tempo di trattamento dell’utente, il che può ridurre lo spreco di tempo non necessario e l’esposizione delle compresse “, hanno concluso i ricercatori.

Be the first to comment on "Stampa 3D di un portapillole intelligente con riconoscimento delle immagini della rete neurale"

Leave a comment