基于人工智能的交互式護理床設計

摘 要：當今社會，隨著我國人口老齡化的加劇，臥床人數也在不斷增加，所以醫(yī)護人員的需求量也在增加，同時臥床還會導致意外墜床、壓瘡等情況。針對于上述問題，該項目設計一款基于人工智能技術和物聯網技術的交互式護理床。該項目采用STM32作為核心處理器，病人可以通過語音指令對床板進行控制，防止出現壓瘡；攝像頭采集病人的圖像信息交給樹莓派進行處理，從而防止病人墜床；再加上物聯網平臺的使用，病人的狀態(tài)以及體征可以通過APP和網頁傳達給醫(yī)護人員，醫(yī)護人員還可以發(fā)送指令到APP，實現病人、床、醫(yī)護人員三者之間的智能交互。

關鍵詞：人工智能；物聯網；交互式護理床；STM32；整體設計

中圖分類號：TH789 文獻標志碼：A 文章編號：2095-2945（2024）29-0060-04

Abstract： In today's society， with the intensification of China's aging population， the number of bedridden is also increasing， so the demand for medical staff is also increasing， while lying in bed will also lead to accidental falling out of bed， pressure sores and so on. To solve the above problems， the project designed an interactive nursing bed based on artificial intelligence technology and Internet of Things technology. The project uses STM32 as the core processor， the patient can control the bed board through voice instructions to prevent pressure sores， and the camera collects the patient's image information to raspberry pie for processing， so as to prevent the patient from falling into bed. Coupled with the use of the Internet of Things platform， the status and signs of patients can be communicated to medical staff through APP and web pages， and medical staff can also send instructions to APP， realizing the intelligent interaction among patients， beds and health care personnel.

Keywords： artificial intelligence; Internet of Things; interactive nursing bed; STM32; overall design

人工智能（Artificial Intelligence，AI）在視覺和語音識別方面扮演了革命性的角色，使機器能夠理解和解釋復雜的視覺場景及人類語言。在視覺方面，AI技術通過圖像識別和分析，廣泛應用于自動駕駛、醫(yī)療診斷和安全監(jiān)控等領域。而在語音處理方面，它通過語音識別和合成技術，改善了虛擬助手、自動翻譯和客戶服務的交互和效率。這些進步不僅極大提高了處理速度和準確性，還拓寬了機器理解人類行為的能力，推動了技術和社會的發(fā)展。隨著當今社會老齡化越來越嚴重、臥床人數的急劇增加，各種醫(yī)療護理床相繼問世。本項目借助人工智能在視覺和語音識別方面的精確性與便捷性，結合物聯網技術，旨在無人監(jiān)護下實現對臥床病人的護理，即基于人工智能的交互式護理床。

1 交互式護理床的簡介

壓力性潰瘍，常稱為壓瘡，主要是由摩擦和壓力造成的皮膚及其下組織的損傷。在老年患者中，尤其是長期臥床的慢性病患者，壓瘡的發(fā)生率極高。這類患者往往因為長時間臥床而導致身體活動能力減弱，常伴有營養(yǎng)不良、移動困難及大小便控制等其他慢性健康問題，這些因素共同作用，進一步增加了壓瘡惡化的風險，從而導致不良的預后結果[1]。同時，如果病人的體位發(fā)生較大變化，偏離床位過多，還容易造成墜床的風險。

通過結合語音和視覺處理技術，本項目旨在為行動不便的患者提供更加人性化的護理體驗。使患者能夠僅通過簡單的口頭指令，自主完成翻身、抬腿和抬臂等動作，有效預防了因長時間保持同一姿勢而可能出現的壓瘡。同時，通過精準的體位檢測和即時報警通知醫(yī)護人員的功能，確保了患者安全，避免了墜床等危險情況的發(fā)生。這一創(chuàng)新解決方案極大地提升了患者的生活質量，實現了對患者更加細致和及時的照顧，同時也為醫(yī)護人員提供了強有力的輔助工具。

物聯網技術可以讓家屬以及醫(yī)護人員對臥床者的狀態(tài)進行實時監(jiān)控以及調節(jié)。結合多種傳感器的檢測功能，比如使用APP可以監(jiān)控病人是否有尿床行為、心跳異常等生理現象出現。同時攝像頭可以向APP實時傳達臥床者的任何行為，也可以實現對病人的翻身、抬臂等功能。

以上技術的相互結合，真正實現臥床者、床、醫(yī)生和家屬之間的交互關系，如圖1所示。

2 項目整體設計

本項目整體結構圖如圖2所示，以STM32為核心，用于控制床的運行、監(jiān)測臥床者的體征以及與云平臺交換信息；而樹莓派則是承擔了機器學習部分的任務，根據攝像頭傳送來的信息，將臥床者的狀態(tài)傳送到APP，并且對緊急情況做出反饋，進而傳遞到STM32，從而保護臥床者的安全。云平臺作為本項目的樞紐，搭建起了交互的橋梁。

2.1 視覺模塊

視覺模塊的主要功能是監(jiān)測病人的體位，從而防止病人出現墜床等意外情況。在生理學上，可以將人體抽象為20個關節(jié)點[2]，如圖3所示（在下文中稱之為關鍵點）?；诰矸e神經網絡（CNN），本項目建立了一種監(jiān)測臥床者是否偏離床位過多的模型——卷積姿態(tài)機（CPM），這是一種特殊的CNN，CPM作為一種深度學習模型，用來做人體姿態(tài)估計。CPM一般由多個階段組成，每一個階段都含有CNN，前一個階段的輸出作為后一個階段的輸入，從而逐步細化姿態(tài)估計的準確性[3]。

根據上面的結論，人體共存在20個關鍵點，每一個關鍵點都有一個置信圖。針對于一個P×Q像素的圖像，每個置信圖的尺寸也是P×Q。置信圖上每個像素的值代表該像素所對應關鍵點的置信度。

2.1.1 初級階段

1）輸入圖像：I∈RP×Q×3。

2）卷積層：應用多個卷積層激活函數來提取圖像特征。

3）產生置信圖：通過一系列卷積層后，輸出20個置信圖S1∈RP×Q×20，每個置信圖都對應一個關鍵點。

4）損失函數：在第一階段，最小化每個關鍵點置信圖和對應真實標注的歐氏距離。假設G是真實標注的置信圖，損失函數可以表示為

L1=||S-G|。 （1）

2.1.2 后續(xù)階段

第一階段完成后，每一個后續(xù)階段都會接收前一個階段的輸出和原始圖像特征，再輸出新的置信圖，逐漸細化預測。

1）融合特征：將前一階段的置信圖St-1和原始圖像特征I結合作為輸入。

2）卷積層：同樣應用多個卷積層和激活函數來提取特征。

3）產生置信圖：再次通過卷積層，輸出新的20個置信圖St。

4）損失函數：對于每個后續(xù)階段t，損失函數變?yōu)?/p>

Lt= 。 （2）

總損失函數是所有階段損失的總和

Ltotal=Lt ， （3）

式中：T是階段的總數。

2.1.3 訓練流程

首先要提供圖像和對應的真實關鍵點置信圖，然后經過每個階段的網絡，輸出若干個逐漸細化的置信圖，計算出置信圖和真實置信圖之間的差異，得到最終的損失值。最后，不斷更新網絡權重來最小化損失函數。

2.1.4 報警流程

對于上述模型，可以設定相應的閾值，與模型求解的結果進行比較，一旦超過閾值，就立刻通過APP向家人以及醫(yī)護人員進行報警，并且控制床兩端的安全護欄抬起，保護臥床者的安全。

2.2 語音模塊

為了讓臥床者可以自行調節(jié)床來實現更加舒適的動作，本項目考慮到臥床者行動不便，采用語音控制的方式去實現這一操作，采用科大訊飛的XFS5152芯片，該芯片可以提供高質量的語音合成效果、有著低功耗的設計以及支持多種語言甚至方言，對提升用戶的體驗以及人機智能交互有著極大的作用。臥床者通過多種指令來實現對病床的控制，比如抬腿、坐起、抬臂等，還可以通過指令調整床板抬起的角度，大大減少了醫(yī)護人員和家人的工作量。

2.3 軟件設計

為了能夠及時監(jiān)控臥床者的動態(tài)，并且對異常情況做出反饋，本項目選用綜合性物聯網服務平臺OneNET云平臺。平臺提供了從設備接入、數據存儲、應用開發(fā)到安全管理等一系列服務，支持多種通信協議以適應各類物聯網設備。通過強大的數據處理能力和豐富的API，OneNET能夠幫助用戶高效地管理大量設備，開發(fā)并部署多樣化的物聯網應用。平臺特別強調數據的安全性與傳輸穩(wěn)定性，適用于智能醫(yī)療等領域，可以搭建起臥床者、床、醫(yī)護人員三者的交互式關系，是本項目的重要橋梁，最后通過圖形化編程，讓臥床者信息可以直觀顯示在APP或者網頁上[4]。具體流程如圖4所示。

在編寫完底層程序之后，進行上電處理，將OneNET與WI-FI模塊連接在一起，然后測試數據以及確認設備是否在線，然后通過網頁或者APP觀察數據的顯示以及變化情況，進而通過調整病人的姿態(tài)以及改變床板結構，觀察網頁和APP的數據，如果測試的結果穩(wěn)定、準確，那說明可以滿足本項目的要求。

為了保護用戶數據的安全性，在OneNET上開發(fā)應用時，采取綜合的安全措施至關重要，比如要確保設備身份驗證、實施設備和數據的訪問控制、對數據進行加密、保護網絡安全、進行代碼安全審計以及保護API免受常見攻擊等，以防止用戶的數據被盜取。同時，遵守相關法律法規(guī)，確保應用的合法合規(guī)，是保護數據、設備和用戶安全的關鍵環(huán)節(jié)。通過這些措施，可以有效防范外界的安全威脅，確保本項目的正常運行。

2.4 機械結構設計

本項目采用床板與舵機相結合的機械結構，舵機接收來自STM32的命令進行相應的角度調整，可以帶動床板，從而實現抬臂、抬腿、坐起、翻身等動作。具體結構如圖5所示。

結合語音模塊，臥床者可以根據自己的需求對床板進行操控，圖5中可以實現翻身、抬起大臂和小臂、坐起、抬起大腿和小腿，還可以對兩邊的安全護欄進行調節(jié)，以保護臥床者的安全。

床板之間采用的是合頁式結構，合頁式結構是生活中常見的機械連接方式，結構穩(wěn)定且成本較低，具有高度的靈活性。

2.5 傳感器設計

溫濕度模塊可以鑲嵌在床板上，檢測病人的體溫變化；同時還能檢測濕度的變化，如果病人出現尿床，濕度會大幅度升高，進而通過APP告知醫(yī)護人員來對此現象進行處理。

心率檢測模塊可以附著在病人的身體上，在APP端可以設定相應的閾值，一旦病人的心率出現過高或者過低的情況，可以及時報警以保護病人的安全。

3 結束語

本項目融合了人工智能與物聯網技術，通過集成多樣傳感器與復雜床板結構，創(chuàng)新設計了智能交互式護理床。面對人口老齡化加劇及醫(yī)護人員短缺的挑戰(zhàn)，本項目旨在為臥床病患提供全面細致的護理服務，有效解決了人力、物力和財力的問題。通過實現先進的人機交互技術，不僅極大提升了醫(yī)療護理效率，也為病患帶來了更加人性化、舒適的護理體驗。項目的實施，不僅提高了護理工作的自動化和智能化水平，減輕了護理人員的工作負擔，同時也為病患創(chuàng)造了更加安全、舒適的恢復環(huán)境。在技術支持下，護理床的應用有助于實現高效率和高質量的醫(yī)療服務，對促進健康護理領域的技術進步具有重要意義。

參考文獻：

[1] 張磊.老年慢性病住院患者院內壓瘡發(fā)生風險的危險因素分析[J].檢驗醫(yī)學與臨床，2024，21（2）：282-285.

[2] 黃捷洲.人體位姿識別在鐵路調車安全防護上的應用研究[D].南昌：華東交通大學，2021.

[3] 王赫，于梁，楊慶江，等.基于CPM算法的輕量級手勢姿態(tài)估計[J].數字技術與應用，2022，40（1）：196-198.

[4] 彭勇，陶曾杰，林振，等.基于STM32和OneNET的智能家居系統(tǒng)的設計[J].物聯網技術，2024，14（2）：86-89.