基于AI人体识别技术的 ICU 患者非计划拔管行为预警系统的研发
论文摘要: 摘要 目的：为解决 ICU 患者非计划拔管（UEX）引发的治疗中断、患者痛苦增加及死亡风险升高等问题，本研究研发基于 AI 人体识别技术的 UEX 行为预警系统，以提升导管护理安全性与专科护理质量。方法：组建由心脏外科监护室、重症医学科、信息处及软件开发团队共 8 人构成的系统构建小组，明确成员职责分工；依据计算机视觉与人体关键点识别技术，遵循 “需求导向 — 技术支持 — 系统集成 — 验证优化” 设计思路，构建 “四层三级” 系统架构（四层含数据采集层、智能识别层、预警控制层及页面交互层，三级为风险等级划分）；在指定软硬件环境（硬件支持 Windows 10/11 等多系统计算机及 USB2.0 以上高清摄像头，软件基于 Python 3.8 开发，集成 OpenCV-Python、MediaPipe 等工具库）下，围绕人体跟踪、手部检测、视频处理、交互界面四大核心模块开展设计，各模块通过数据流转与信号通信实现协同；针对四大模块分别开展功能与性能测试，验证系统有效性。结果：人体跟踪模块在不同遮挡与移动场景下，目标定位准确率、高危区域适配准确率及目标丢失恢复时间均满足临床监测需求；手部检测模块在多场景下手部识别覆盖率≥95%，风险等级判断准确率达标，误报率控制在≤3%；视频处理模块在不同分辨率下平均帧率≥25fps，摄像头重连成功率高且重连时间≤2s；交互界面模块经 Likert 5 级评分，在布局合理性、操作便捷性与信息清晰度维度获得较好评价。结论：本系统可实现 ICU 患者 UEX 风险的早期识别与分级预警，有效减轻 UEX 防控难度，缓解护士心理压力，符合护理信息化建设发展趋势，为公立医院高质量发展提供助力。