Καταγραφή ιατρικών μετρήσεων πραγματικού χρόνου από μη διασυνδεδεμένες συσκευές μέσω εφαρμογής Android

Abstract

Περίληψη

Με την ταχεία ανάπτυξη της κινητής υγείας, οι μηχανισμοί για την αυτόματη εισαγωγή δεδομένων καθίστανται όλο και πιο σημαντικοί για εφαρμογές υγείας για κινητά. Σε αυτές τις εφαρμογές, απαιτούνται συχνά οι χρήστες να εισάγουν δεδομένα συχνά, ιδίως αριθμούς, από ιατρικές συσκευές όπως τα γλυκοζόμετρα και τα πιεσόμετρα. Ωστόσο, αυτές οι απλές διαδικασίες είναι κουραστικές και επιρρεπής σε σφάλματα. Ακόμη και αν μερικές συσκευές Bluetooth μπορούν να διευκολύνουν αυτές τις λειτουργίες εισόδου, δεν είναι αρκετά δημοφιλείς επειδή είναι ακριβά και απαιτούν περίπλοκο πρωτόκολλο υποστήριξης. Ως εκ τούτου, μια λύση είναι μια αυτόματη διαδικασία αναγνώρισης των ψηφίων στην οθόνη ιατρικών συσκευών μέσω κάμερας smartphone. Η όλη διαδικασία περιλαμβάνει αρκετά «στάνταρ» συστατικά στην τελική αναγνώριση εικόνας: ενίσχυση εικόνας, ανίχνευση περιοχής ενδιαφέροντος και την αναγνώριση κειμένου. Συνδυάζοντας αυτά τα στάδια καταφέρνουμε να βελτιστοποιήσουμε την διαδικασία ώστε να έχουμε μεγαλύτερα ποσοστά αναγνώρισης.

Abstract

With the rapid growth of mobile health, mechanisms for automatic data entry are becoming increasingly important for mobile health applications. In these applications, users are often required to import data frequently, especially numbers, from medical devices such as glycosimeters and blood pressure monitors. However, these simple procedures are tedious and error-prone. Even if some Bluetooth devices can facilitate these input functions, they are not popular enough because they are expensive and require a complicated support protocol. Therefore, a solution is an automatic process of identifying digits on the screen of medical devices via a smartphone. The whole process includes several "standard" components in the final image recognition: image enhancement, region of interest detection, and text recognition. By combining these stages we are able to optimize the process to have higher recognition rates.