MONITORAGGIO AUTOMATICO DI FLEBO PER INFUSIONE ENDOVENOSA TRAMITE VISIONE ARTIFICIALE BASATA SU DEEP LEARNING

The thesis project aims to build a software which could recognize the presence (or absence) of a drip in a frame and mark the frame basing to that. This is obtained by using AI algorithms, and particularly setting up and training a Convolutional Neural Network (CNN) for the Object Detection. The succession of marked and unmarked frames allows the program to count how many drips fall from the IV bag to the drip chamber, thus automatizing the relating process of pressure monitoring, granting stability and reliability in hospitals.

Il progetto di tesi si pone come scopo lo sviluppo, almeno in fase embrionale, di un'applicazione che tramite algoritmi di intelligenza artificiale, e in particolare costruendo e allenando una rete neurale convoluzionale adibita all'Object Detection, sia in grado di riconoscere in un frame la presenza della goccia di soluzione, ed etichettare il fotogramma in base a questo. La successione di frame con e senza goccia permetterà al software in questione di contare il numero di gocce che cadono dalla sacca nel deflussore, e grazie a ciò automatizzare il processo di monitoraggio della relativa pressione, garantendo così robustezza e affidabilità in ambito ospedaliero.