Analýza obrazových dat na embedded systémech

Abstract

Tato bakalářská práce se zabývá vývojem modulu VentVision. Modul VentVision, který je součástí systému VENT-CONNECT pro monitorování plicní ventilace ve Fakultní nemocnici Královské Vinohrady a který byl vyvinut na ČVUT v Praze, řeší problematiku zpracování dat z obrazovky plicního ventilátoru, včetně křivek a číselných údajů, které jsou významné pro personál nemocnice. VentVision zpracovává data pomocí programovacího jazyka C a knihovny GStreamer. Samotné parsování dat využívá funkci, která nahrazuje OCR (Optical Character Recognition) a funguje na základě porovnávání konkrétních míst v obraze s uloženými šablonami. Tento přístup se v tomto konkrétním projektu ukázal jako spolehlivější než použití některého z open source OCR enginů. Řešení bylo porovnáváno s podobným řešením v rámci projektu a také bylo prostřednictvím testu v nemocnici prokázáno, že je schopno nepřetržitě zpracovávat data z ventilátoru po delší dobu. Výsledkem práce je funkční modul, který spolehlivě digitalizuje data z obrazovky plicního ventilátoru. Přínos této práce spočívá v tom, že pomáhá nemocničnímu personálu rychleji reagovat na potřeby pacientů na jednotce intenzivní péče, což významně zvyšuje připravenost a efektivitu nemocnice při zvládání každodenního provozu, ale také usnadňuje řešení potenciálních krizí, jako byla pandemie COVID-19.

This bachelor thesis focuses on the development of the VentVision module. As part of the VENT-CONNECT system for monitoring lung ventilation at the Kralovske Vinohrady University Hospital, which was developed at the Czech Technical University in Prague, VentVision solves the problem of parsing data from the lung ventilator screen, including curves and numerical data that are relevant for the hospital personnel. VentVision processes data using the C programming language and the GStreamer library. The data parsing itself uses a function that substitutes OCR (Optical Character Recognition) and works by comparing specific locations in the image with stored templates. This approach proved to be more reliable in this particular project than using any of the open source OCR engines. The solution was compared against a similar solution within the project and also demonstrated through a test in the hospital that it was capable of continuously processing ventilator data over an extended period of time. The result of the work is a functional module that reliably digitises data from the lung ventilator screen. The benefit of this work is to help hospital personnel respond more quickly to the needs of patients in the intensive care unit, significantly increasing the hospital's preparedness and efficiency in managing everyday operations but also making it easier to deal with a potential crisis such as the COVID-19 pandemic.