ES2587236T3 - Identificación y verificación de medicación - Google Patents

Abstract

Sistema de identificación de medicación que comprende: un dispositivo de obtención de imágenes que comprende: un escáner de luz estructurada que tiene al menos una cámara; o un generador de imágenes estereoscópico que tiene al menos dos cámaras; configurado para recopilar datos de imagen de superficie de una o más píldoras; un controlador configurado para controlar el dispositivo de obtención de imágenes para recopilar los datos de imagen de las una o más píldoras; estando el sistema configurado para usar los datos de imagen de superficie de las una o más píldoras para generar datos geométricos tridimensionales para cada píldora y para determinar la identidad de cada una de las una o más píldoras basándose en al menos los datos geométricos; caracterizado porque el sistema incluye además luces que están configuradas para iluminar las una o más píldoras de manera que se crean sombras de las una o más píldoras, y porque dichas una o más cámara(s) está(n) configurada(s) para registrar imágenes de estas sombras y para registrar información de color, o porque se proporciona una cámara adicional que está configurada para registrar imágenes de estas sombras y para registrar información de color; porque dicha luz incluye luces de diferentes colores del grupo que incluye luz blanca, luz ultravioleta, luz roja, luz verde, luz azul y luz infrarroja; porque el sistema está configurado para generar una nube de puntos tridimensional a partir de los datos de imagen de superficie procedentes del dispositivo de obtención de imágenes y para generar datos geométricos para cada píldora a partir de dicha nube de puntos tridimensional, para capturar y analizar imágenes de sombra para cada píldora, y para capturar y analizar información de color para la o cada píldora junto con los datos geométricos; y porque el sistema comprende un compartimento en el que se sitúan las una o más píldoras que van a identificarse, que está cerrado a la luz ambiental.

Description

imagen1

imagen2

imagen3

imagen4

imagen5

imagen6

5

10

15

20

25

30

35

40

45

50

55

almacenada u otros datos de examen de píldoras. Las características extraídas recientemente se envían entonces al algoritmo de identificación de píldoras.

Verificación de píldoras

Una vez se han identificado cada una de las píldoras, el grupo de píldoras puede compararse con una lista de píldoras prescritas para comprobar si las píldoras identificadas son adecuadas para su administración al paciente.

En algunas realizaciones, las etapas de identificación y/o verificación pueden realizarse mediante un procesador remoto con respecto al dispositivo que examina la medicación para recopilar datos tridimensionales de las superficies de píldora. Por ejemplo, en algunas realizaciones, puede usarse un dispositivo de escaneado por láser para recopilar datos tridimensionales para varias píldoras, y los datos pueden enviarse a un procesador remoto para su análisis. Los datos pueden enviarse de manera inalámbrica, o por medio de una red cableada, y/o pueden incluir el uso de Internet como parte de la transmisión. La identificación de píldora y/o la verificación de la idoneidad de la administración de las píldoras identificadas pueden realizarse mediante el procesador remoto, y los resultados pueden enviarse de vuelta al dispositivo de escaneado por láser para presentarlos visualmente al usuario. En cambio, en algunas realizaciones, los resultados pueden enviarse a un dispositivo que es independiente del dispositivo de escaneado por láser.

Realización a modo de ejemplo

La figura 7a es una vista lateral esquemática del interior de una realización de un dispositivo de identificación de medicación 700, que muestra cómo funcionan conjuntamente un generador de láser 702 y una cámara 704 para capturar datos tridimensionales en relación con una píldora 706 (o múltiples píldoras). La luz láser 708 se dirige a una superficie de soporte de píldoras 710 a un ángulo en relación con la posición de la cámara con el fin de permitir cálculos de triangulación. En otras realizaciones, pueden usarse una rejilla de sombra, recubrimiento multiespectral, u obtención de imágenes estereoscópicas para recopilar datos tridimensionales en relación con la píldora 706. Las figuras 7b y 7c explican adicionalmente este proceso. Los mismos resultados puede obtenerlos un experto en la técnica de la visión por ordenador usando otros métodos conocidos, tales como rejilla de sombra, recubrimiento multiespectral u obtención de imágenes estereoscópicas.

La figura 7b es una vista desde arriba de una única imagen de superficie de soporte de píldoras 710 que representa cómo la luz láser 708 se desvía como resultado de la forma de la píldora 706 cuando se observa desde el punto de vista de la cámara. Usando cálculos de triangulación y observando sólo la forma de la luz láser cuando se proyecta sobre la superficie de la medicación y el recipiente de medicación, puede generarse una nube de puntos en 3D del contenido del cajón de medicación usando cálculos geométricos convencionales. A medida que la luz láser avanza por la superficie de soporte de píldoras, se capturan imágenes de la luz reflejada mediante la cámara 704. En algunas realizaciones, la cámara captura 60 imágenes por segundo, y la luz láser pasa por la superficie de soporte de píldoras 710 a una velocidad de 3cm por segundo. Evidentemente, pueden usarse otras velocidades de captura y velocidades de progresión de luz láser adecuadas.

La figura 7c representa una composición de múltiples imágenes que se han capturado con el láser moviéndose por la superficie de medicación, proporcionando la línea de láser un conjunto de información que va a usarse para construir un perfil en 3D de la medicación. Los datos pueden recopilarse mediante un ordenador y registrarse como puntos de datos dentro de una nube de puntos en 3D. La figura 7c muestra cuarenta líneas, que representan la ubicación del láser ya que la cámara capturó cuarenta imágenes independientes. La ubicación de la medicación puede determinarse analizando las irregularidades de las líneas de láser registradas. Conocer el ángulo del láser permite a un software de triangulación determinar de manera precisa ubicaciones de superficie en la píldora. Como se comentó anteriormente, características de la píldora, tal como altura, forma, etc. pueden generarse a partir de estos datos de localización de superficie.

La figura 8 muestra un diagrama de flujo de instrucciones que se ejecutan mediante un procesador como parte de un método 800 de control de un dispositivo de identificación de medicación para capturar datos tridimensionales de una

o más píldoras según una realización. El láser se activa (acción 802) y dirige a un extremo de la superficie de soporte de píldoras (u otro volumen de medición). Se inicia la captura de imágenes (acción 804) y se mueve una luz láser por la superficie de soporte de píldoras (acción 806). En algunas realizaciones, el registro de imagen tiene lugar a una velocidad predeterminada constante. En algunas realizaciones, el registro de imagen puede tener lugar a una velocidad no constante. Por ejemplo, puede usarse un bucle de retroalimentación para alterar la velocidad de captura de imagen dependiendo de qué tipo de datos estén recopilándose. A medida que la luz láser pasa sobre áreas desprovistas de píldoras, puede mantenerse una velocidad de captura de imagen convencional. Una vez se detectan irregularidades tales como píldoras, la velocidad de captura de imagen puede aumentarse y/o la velocidad de movimiento de luz láser puede reducirse. Una vez la luz láser ha cubierto la totalidad de la superficie de soporte de píldoras, se detiene la captura de imágenes (acción 808) y el láser se desactiva (acción 810).

La figura 9 muestra un diagrama de flujo que describe instrucciones que se ejecutan mediante un procesador como parte de un método 900 de control de un dispositivo de identificación de medicación para capturar imágenes multiespectrales. Para capturar imágenes multiespectrales, puede usarse cada una de una pluralidad de luces para

8 5

10

15

20

25

30

35

40

45

50

55

iluminar la superficie de soporte de píldoras de manera secuencial. Cuando se enciende una primera luz, se captura una primera imagen. La primera luz se apaga, se enciende una segunda luz, y se captura una segunda imagen. Este proceso puede continuar con cualquier número adecuado de luces. La figura 8 muestra una realización en la que se usan dos fuentes de luz, una fuente de luz blanca y una fuente de luz ultravioleta. En algunas realizaciones, se usan cuatro fuentes de luz diferentes dentro del mismo dispositivo: una fuente de luz roja, una fuente de luz verde, una fuente de luz azul fuente y una fuente de luz ultravioleta.

En el método 900, una primera fuente de luz blanca se activa en una acción 902 para iluminar la superficie de soporte de píldoras y cualquier píldora sobre la misma. En una acción 904, se captura una imagen con la(s) píldora(s) iluminada(s) por la luz blanca. La fuente de luz blanca se desactiva entonces (acción 906), y se activa una segunda fuente de luz ultravioleta en una acción 908. Se captura una segunda imagen con la(s) píldora(s) iluminada(s) por la luz ultravioleta. La fuente de luz ultravioleta se desactiva entonces en una acción 912. Como se comentó anteriormente, pueden usarse fuentes de luz adicionales o diferentes como parte del método 900.

La figura 10 muestra un diagrama de flujo de un método 1000 de identificación de una medicación basado al menos en parte en características extraídas a partir de datos tridimensionales. En una acción 1002, se introducen características de medicación en un procesador, un medio de almacenamiento informático, una red, o cualquier otra ubicación adecuada en la que puede accederse a las características. Las características de medicación pueden incluir características geométricas que se generaron analizando datos tridimensionales tal como una nube de puntos en 3D. Pueden introducirse características adicionales generadas durante escaneo con láser u otros procesos. Por ejemplo, puede introducirse un valor de color basado en datos generados por el método 900. En algunas realizaciones, un usuario puede introducir manualmente determinadas características, tales como color o forma general.

En una acción 1004, se ejecuta un algoritmo de identificación usando al menos algunas de las características de medicación introducidas en la acción 1002. Como se comentó anteriormente, en algunas realizaciones, puede analizarse un subconjunto de características de medicación introducidas, y si no se determina una coincidencia, pueden analizarse características de medicación adicionales. El algoritmo de identificación puede funcionar en un único procesador o en múltiples procesadores. El algoritmo de identificación puede comprender un conjunto de normas estandarizadas que pueden identificar una píldora de entre un conjunto de píldoras conocidas predeterminado. En realizaciones alternativas, el algoritmo de identificación puede estar configurado para comparar características extraídas con características conocidas de píldoras conocidas y calcular puntuaciones de qué píldora

o píldoras coinciden de manera más cercana con la píldora examinada. En otras realizaciones, el algoritmo de identificación puede incluir un algoritmo de aprendizaje, tal como se comenta directamente a continuación.

La identificación de la medicación examinada se emite en una acción 1006.

Un método 1100 de entrenamiento de un algoritmo de identificación de píldoras se muestra en la figura 11. Se introducen características de medicación en una acción 1102, y el algoritmo de identificación en su forma existente se ejecuta en una acción 1104. En una acción 1106, se introduce la identificación de píldora correcta en el algoritmo. Basándose en el resultado determinado por el algoritmo en la acción 1104 y la identificación de píldora correcta introducida en la acción 1106, el algoritmo de identificación vuelve a calibrarse en una acción 1108. En realizaciones en las que está usándose una red neuronal artificial u otro programa de aprendizaje, la reiteración de calibración puede realizarla automáticamente el propio programa. En otras realizaciones, el algoritmo puede actualizarse revisando manualmente el propio algoritmo.

Desviación en el espectro reflejado

En algunas realizaciones, se usa un láser rojo para realizar un escaneado superficial de píldoras. Debido a la naturaleza orgánica de las píldoras, la luz láser reflejada puede desviarse ligeramente dentro del espectro de color. Esta desviación puede dar como resultado una parte de la luz reflejada que reside en el espectro azul, el espectro verde, o el espectro azul/verde. La luz dentro de los espectros azul y/o verde forma una línea estrecha. Aunque la luz reflejada en el espectro rojo puede usarse para recopilar datos tridimensionales, en algunas realizaciones puede usarse la luz procedente de los espectros azul y/o verde, en algunos casos de manera exclusiva. Debido a que la intensidad de la luz reflejada no es completamente uniforme por el grosor de una línea de láser, una línea estrecha, tal como la línea reflejada en los espectros azul y/o verde, puede proporcionar un escaneo más detallado de las píldoras. Puede usarse un método de uso de luz procedente únicamente del espectro azul y/o verde de la luz reflejada para reunir datos de superficie tridimensionales para recopilar datos de píldoras.

Las realizaciones descritas anteriormente pueden implementarse en cualquiera de una multitud de modos. Por ejemplo, las realizaciones pueden implementarse usando hardware, software o una combinación de los mismos. Cuando se implementa en software, el código de software puede ejecutarse en cualquier procesador o recopilación de procesadores adecuado, ya sea previsto en un único ordenador o distribuidos entre múltiples ordenadores.

Además, debe observarse que un ordenador puede implementarse de varias formas, tales como un ordenador montado en rack, un ordenador de sobremesa, un ordenador portátil, o un ordenador de tipo tableta. Adicionalmente, un ordenador puede integrarse en un dispositivo con capacidades de procesamiento adecuadas, incluyendo un

9

imagen7

Tal como se usa en el presente documento en la memoria descriptiva y en las reivindicaciones, “o” debe entenderse que tiene el mismo significado que “y/o” tal como se definió anteriormente. Por ejemplo, cuando separa elementos en una lista, “o” o “y/o” deben interpretarse como incluyentes, es decir, la inclusión de al menos uno, pero también que incluye más de uno, de varios o de una lista de elementos, y, opcionalmente, elementos adicionales no 5 enumerados. Únicamente los términos que indican claramente lo contrario, tal como “solo uno de” o “exactamente uno de” o, cuando se usa en las reivindicaciones, “que consiste en”, harán referencia a la inclusión de exactamente un elemento de varios o de una lista de elementos. En general, el término “o” tal como se usa en el presente documento solo deberá interpretarse como que indica alternativas exclusivas (es decir “uno o el otro pero no ambos”) cuando va precedido por términos de exclusividad, tal como “uno cualquiera de”, “uno de”, “solo uno de” o

10 “exactamente uno de”. “Que consiste esencialmente en”, cuando se usa en las reivindicaciones, debe tener su significado convencional tal como se usa en el campo del derecho de patentes.

También debe entenderse que, a menos que se indique claramente lo contrario, en cualquier método reivindicado en el presente documento que incluya más de una etapa o acción, el orden de las etapas o acciones del método no se limita necesariamente al orden en el que se enuncian las etapas o acciones del método.

15

11

Claims (1)

1. imagen1

   imagen2