15、基于深度学习算法的医疗个人防护设备检测

基于深度学习算法的医疗个人防护设备检测

1. 引言

在医疗领域，传染病以令人担忧的方式在普通人和医护人员之间传播。保护医护人员是首要任务，因为一旦他们被感染，可能无人愿意救助其他患者。因此，医疗个人防护设备（MPPE）在医疗机构中的使用至关重要。MPPE检测的主要目标是衡量健康和安全合规性，这有助于提高制造业的生产力，并避免医疗机构内疾病的传播，例如新冠疫情，自2019年12月开始传播，造成了大量患者死亡和感染，众多医护人员参与抗疫，这凸显了保护他们的紧迫性。

根据国家卫生健康委员会的指导方针，医护人员应佩戴MPPE，且根据风险等级不同，所需的MPPE也有所变化。例如，二级MPPE适用于中度风险情况，包括口罩、护目镜、防护服等；三级则包括护目镜、手套、鞋套和N95口罩。虽然佩戴MPPE能预防疾病，但会导致大量出汗且长时间佩戴困难，这导致了MPPE的使用情况不佳。

传统上，基于传感器和射频的检测技术用于MPPE检测，但这些技术需要分析大量数据集以提高预测准确性，且投资高、实施困难。如今，超过90%的医疗中心使用MPPE，但许多地方存在使用不当或对其重要性认识不足的问题，因此需要对医护人员进行正确使用MPPE的培训。

识别未佩戴MPPE的人员变得至关重要，机器学习和深度学习技术可有效完成这一任务。与机器学习算法相比，深度学习算法需要大量训练数据来检测对象，因此本文提出了基于深度学习的MPPE检测技术。

对象识别是图像处理和深度学习中的基础关键过程，其准确性取决于训练和测试模型，训练数据集的选择至关重要。由于工作环境复杂，实时分析中的图像多为多类对象，多类对象分析常导致误检。智能检测技术（基于少样本的图形神经网络GNN）可帮助识别个人防护设备（P