Conception d'un système de vision par ordinateur pour la détection automatique d'inventaire médical

La gestion d'inventaire dans les hôpitaux constitue un problème de logistique important. Le personnel des hôpitaux dépend quotidiennement de l'utilisation de centaines d'items dans l'exercice de leurs fonctions. Ces items incluent par exemple des pansements, des tubes, des seringues, des gants, etc. Tous ces items doivent être disponibles en tout temps, sans quoi la qualité des soins de santé fournis aux patients est affectée. Plusieurs systèmes de gestion d'inventaire, déjà en place aujourd'hui, tentent de faire le suivi de ces différents items. Cependant, ces solutions comportent certains problèmes, surtout si elles ne sont pas utilisées adéquatement par le personnel. Par exemple, une solution élaborée par l'entreprise Logi-D fait l'usage d'un système d'étiquettes RFID. Ces étiquettes doivent être déplacées entre les cabinets d'entreposage et les tableaux de commande afin de déclencher des demandes de réapprovisionnement. Bien qu'efficace et en place depuis un certain temps, cette solution de Logi-D dépend de procédures strictes de la part du personnel de soins de santé. Le personnel doit manipuler les étiquettes RFID de façon ordonnée. Ce système requiert de prendre la bonne étiquette correspondant au bon item, ce qui peut être difficile dans une situation urgente. Ceci est une source d'inefficacité et parfois une cause d'erreur. Logi-D propose d'améliorer ce système en remplaçant les étiquettes RFID par un système de surveillance d'inventaire avec caméra. Un tel système de vision artificielle permettrait de repérer les items manquants sans avoir à dépendre d'une action de la part du personnel de soins de santé. À l'aide d'une caméra placée au plafond, le système tente de reconnaître les compartiments de différents tiroirs d'entreposage et d'en évaluer leurs contenus. Un tel système pourrait améliorer significativement la manière avec laquelle les hôpitaux et cliniques médicales gèrent l'utilisation quotidienne des fournitures médicales. Ceci permettrait d'offrir une meilleure gestion d'inventaire dans les hôpitaux et un service de santé de meilleure qualité. Une revue de littérature nous permet d'abord d'identifier des projets similaires à celui-ci. Ensuite, nous présentons notre solution au problème de détection d'inventaire. Ce problème peut être divisé en trois sous-problèmes à résoudre indépendamment: la détection et l'identification du tiroir, la détection et la localisation des compartiments, puis la détection des contenus des compartiments. Chacun de ces trois sous-problèmes est résolu séparément, selon différents algorithmes de traitement d'images. Un premier système a pu être installé à l'Hôpital du Sacré-Cœur de Montréal en tant que projet pilote. Ceci nous a permis d'évaluer la performance et la fiabilité du système dans des conditions d'utilisation réelle durant quelques jours. Ainsi, parmi les 59 détections qui auraient dû être faites, 45 ont été détectées par notre système, c'est-à-dire un taux de réussite de 76,3 %. Les causes d'erreurs du système ont aussi pu être catégorisées et classées selon leurs occurrences. Ceux-ci incluent les problèmes d'occlusion, les tiroirs qui ne sont pas ouverts suffisamment et les changements d'éclairage. Ce projet nous a permis de développer un système fonctionnel de détection d'inventaire. Par contre, certaines conditions d'utilisation doivent être remplies afin d'optimiser la performance du système. Pour pallier ces limitations, certaines améliorations pourraient être faites dans le futur. Un système de rétroaction pourrait permettre à l'usager de savoir si la détection a été faite ou non. Aussi, l'utilisation des informations provenant d'une image de profondeur pourrait permettre de mieux détecter le contenu des compartiments.

Abstract

Inventory management in hospitals can be a major logistical issue. Hospital staff depends on daily use of hundreds of items in the exercise of their functions. These include items such as bandages, tubes, syringes, gloves, etc. All these items should be available at all times, otherwise the quality of health care provided to patients is affected. Several inventory management systems already in place today, are trying to keep track of these items. However, these solutions have some problems, especially if they are not used appropriately by staff. For example, a solution developed by the company Logi-D is using an RFID tag system. These tags must be moved between storage cabinets and control panels to trigger replenishment requests. Although effective and in place for some time, this solution by Logi-D depends on strict procedures on the part of health care staff. Staff must handle RFID tags in an orderly fashion. This system requires taking the right tag corresponding to the correct item, which can be difficult in an emergency situation. This is a source of inefficiency and sometimes a cause of error. Logi-D proposes to improve this system by replacing RFID tags with an inventory monitoring system, using a camera. Such an artificial vision system would identify the missing items without having to depend on actions by staff health care. Using a camera mounted on the ceiling, the system attempts to recognize the different storage compartments of drawers and tries to evaluate their contents. Such a system could significantly improve the way in which hospitals and medical clinics manage the daily use of medical supplies. This would provide better inventory management in hospitals and health service quality. A literature review first allows us to identify projects similar to this one. Then we present our solution to inventory detection. This problem can be divided into three sub-problems to be solved independently: the detection and identification of the drawer, the detection and localization of the drawer compartments, and the detection of contents of the compartments. Each of these three sub-problems are solved separately by different image processing algorithms. A first system has been installed at the Hôpital du Sacré-Cœur de Montréal as a pilot experiment. This allowed us to assess the performance and reliability of the system under actual conditions of use for several days. Thus, among the 59 possible detections that could have been made, 45 were detected by our system, that is to say, a success rate of 76.3 %. Causes of system errors have also been categorized and classified according to their occurrences. These include occlusion problems, drawers which are not sufficiently open and lighting changes. This project has enabled us to develop a functional system of inventory detection. However, some conditions must be met in order to optimize system performance. To overcome these limitations, some improvements could be made in the future. A feedback system could provide the user with an inventory detection status. Also, the use of information from a depth image could help better detect the contents of the compartments.