Аппаратная система для визуализации текстур вен

В статье описывается необходимость разработки аппаратной системы для визуализации текстур вен. Описывается функциональная структура разрабатываемого устройства. Даётся представление о существующих европейских аналогах и проводится сравнения их преимуществ и недостатков с разрабатываемым устройством.

По статистике в 40 % случаях при проведении процедур забора крови или постановки внутривенных капельниц не происходит прямого попадание в вену пациента с первого раза. В результате некорректного проведения процедур у пациентов образуются отеки и гематомы в местах проведения внутривенного забора крови или постановки капельницы. Но последствия могут быть намного хуже, при некорректном введении некоторых медицинских препаратов, предназначенных только для внутривенного применения. Например, при дефиците кальция в организме, используют препарат внутривенного введения хлористый кальций для восполнения дефицита кальция в организме человека. Данный препарат не вводят внутримышечно/подкожно, так как возможны последствия в виде некроза тканей. В связи с этим, при использовании подобных медицинских препаратов, необходима уверенность в том, что процедура внутривенного введения инъекции будет проведена корректно, то есть врач с первого раза попадет пациенту в вену.

Чтобы повысить процент успешного внутривенного введения медицинских препаратов и практически исключить непопадания в вену пациента, необходимо разработать аппаратною систему визуализации текстур вен, с помощью которой, врач будет видеть подкожную структура вен пациента (Рисунок 1)

Рис. 1. Слева — изображение, полученное обычной камерой, справа — с помощью спектральной камеры

Основными драйверами внедрения данной аппаратной системы являются повышенный спрос на недорогие устройства визуального наблюдения структуры текстуры вен и текстуры кожи практически во всех медицинских учреждениях в процессе диагностики, при заборе крови на анализы, постановке внутривенных капельниц и во время операционных действий.

Принцип работы

В основе принципа работы данного устройства лежит гиперспектральная и мультиспектральная съёмка, которая позволяет фиксировать только определённый спектр видимого света (Рисунок 2), либо одновременно в разных спектральных каналах.

Гиперспектральная съемка представляет собой метод сбора и обработки информации из определенных участков спектра. Каждый объект имеет свою уникальную спектральную характеристику излучения, в том числе и вены в человеческом организме. Особенности данной сьемки позволяют однозначно идентифицировать объекты, принадлежащие определенному диапазону спектра.

Рис. 2. График зависимости чувствительности человеческого глаза от спектра длин видимых световых волн

Аппаратная система для визуализации вен включает в себя набор гиперспектральных камер, оптических фильтров и цифрового блока коррекции для обработки полученного изображения. За счет применения данной аппаратной системы, человеческий глаз получает изображения, соответствующие только диапазону цветового видимого спектра, в который входят структуры вен.

Аналоги

На данный момент существуют два западных аналога данного устройства первый, из которых, это аппарат EVENA Eyes-OnGlasses от компании Evena Medical. Технологическое решение компании Evena Medical сочетает в себе функции бинокулярных очков Epson Moverio и для 3D визуализации. Аппарат снабжен двумя гиперспектральными и двумя мультиспектральными камерами. Очки Eyes-OnGlasses визуализируют анатомию кровеносных сосудов пациента и диагностируют в режиме реального времени. В состав входят коммуникационные модули Wi-Fi, Bluetooth и 3G. Также имеются встроенные динамики и память для хранения фото- и видео материалов. Цена данного устройства на западном рынке составляет 10000 $ USA. В связи с многофункциональностью данного устройства, и как следствие высокой цены, ограничивается круг потребителей.

Вторым аналогом является прибор HyperCam компании UW и Microsoft Research. Устройство предназначено для визуализации структуры текстур вен и кожи, спелости продуктов и прочих задач. Результат достигается путем мультиспектральной 17-ти кадровой съемки объекта наблюдения с последующей фильтрацией снимков с помощью программного модуля и определения отличительных признаков. Цена прибора — $800 USA. Недостатком данного устройства является его аппаратное решение, которое снижает удобство мобильного применения.Российских аналогов данной аппаратной системы на сегодняшний день не существует

Перспективы иразмеры рынка

На 2016 год, по данным федеральной службы государственной статистики на территории России насчитывается 5.7 тыс. больничных учреждений (Таблица 2), в Москве число медицинских учреждений составляет около 450 шт. включая частные клиники (Таблица 1). Общие количество медперсонала, работающих на территории России, составляет 2.1 млн. человек, из них 1.5 млн. человек являются средним медицинским персоналом, который осуществляет такие операции, как постановка капельниц, забор крови, введение внутривенных инъекций.

Таблица 1

Целевые сегменты на территории Москвы

Исходя из вышеприведенных данных, прогнозируемый объем рынка на территории РФ составляет 1.5 млн. штук аппаратов. С участием индивидуального косметического применения объём рынка возрастает в 1.2 раза. Правильно отлаженные этапы разработки и производства аппаратной системы мониторинга позволяют наращивать технологическое, техническое и конкурентное преимущества.

Целевые сегменты на территории России

Заключение

Результатом разработки данной аппаратной системы является малогабаритный прибор, удобный в эксплуатации и, в больших количествах востребованный на рынке, повышающий в 1,5–2 раза эффективность проводимых с его использованием медицинских манипуляций и в разы более дешевый по сравнению с западными аналогами. Отличительными особенностями являются — малый вес, простота применения, небольшая цена. Обеспечивается импортозамещение.

Литература:

1. C. Roquelet, Gabriel Fricout Multichannel Spectroscopy and Hyperspectral Imaging for Improved Steel Surface States Monitoring and Cost Savings (MULTISAVE): Final Report // Publications Office, 2016, p.95
2. Robert Koprowski — Processing of Hyperspectral Medical Images: Applications in Dermatology Using Matlab // Springer, 2016, p.34
3. S. Rajendran — Hyperspectral Remote Sensing and Spectral Signature Applications // New India Publishing, 2009, p.360
4. Christian J. van den Branden Lambrecht — Vision Models and Applications to Image and Video Processing // Springer Science & Business Media, 2013, p 171
5. Paul Morris, David Warriner, Allison Morton — Eureka: Cardiovascular Medicine // JP Medical Ltd, 2015, p.294
6. Peter Lanzer, Eric J. Topol — Pan Vascular Medicine: Integrated Clinical Management // Springer, 2013, p.692
7. Rafael C. Gonzalez, Richard Eugene Woods — Digital Image Processing // Prentice Hall, 2008, p. 581
8. Mohamed Najim — Digital Filters Design for Signal and Image Processing // John Wiley & Sons, 2013, p.102
9. Konstantinos Plataniotis, Anastasios N. Venetsanopoulos — Color Image Processing and Applications. Digital Signal Processing // Springer Science & Business Media, 2013, p.85
10. Megan Watzke, Kimberly Arcand — Light: The Visible Spectrum and Beyond // Hachette Books, 2015, p.49