{"id":11955,"date":"2024-04-24T17:12:24","date_gmt":"2024-04-24T15:12:24","guid":{"rendered":"https:\/\/www.convegnonazionaleaiic.it\/freki-smart-hospitals\/"},"modified":"2024-04-24T17:12:24","modified_gmt":"2024-04-24T15:12:24","slug":"freki-smart-hospitals","status":"publish","type":"post","link":"https:\/\/www.convegnonazionaleaiic.it\/freki-smart-hospitals\/","title":{"rendered":"FREKI – SMART HOSPITALS"},"content":{"rendered":"
\n
\n

\"\"\"\"<\/p>\n

AFFILIAZIONE<\/span><\/strong><\/p>\n

universit\u00e0 campus bio-medico di roma<\/p>\n


\nAUTORE PRINCIPALE<\/span><\/strong><\/p>\n

Prof. Pecchia Leandro<\/p>\n

VALUTA IL CHALLENGE
\n<\/span><\/strong><\/p>\n

Registrazione obbligatoria. Una valutazione consentita<\/em><\/div>\n
[ratingwidget]<\/div>\n<\/div>\n
\n

<\/a><\/p>\n

GRUPPO DI LAVORO<\/span><\/strong><\/p>\n

Ferranti Alessandro<\/strong> universit\u00e0 campus bio-medico di roma
\n Vitale Jacopo<\/strong> universit\u00e0 campus bio-medico di roma
\nIng. Natale Oreste Riccardo<\/strong> mosaico monitoraggio integrato s.r.l.
\n <\/strong>
\n <\/strong>
\n <\/strong>
\n <\/strong>
\n <\/strong>
\n <\/strong>
\n <\/strong> <\/div>\n

AREA TEMATICA<\/span><\/strong><\/p>\n

Applicazioni di intelligenza artificiale in sanit\u00e0<\/div>\n

ABSTRACT<\/span><\/strong><\/p>\n

FREKI \u2013 SMART HOSPITALS
\nAbbiamo sviluppato una soluzione robotica innovativa per automatizzare il processo di campionamento microbiologico delle superfici in ambito ospedaliero, al fine di riconoscere precocemente patogeni come batteri e virus, i quali, se non individuati tempestivamente, potrebbero diffondersi incontrollabilmente. Il lavoro ha coinvolto l’addestramento di FREKI (Mosaico Monitoraggio Integrato s.r.l., Boston Dynamics), piattaforma robotica mobile a guida autonoma (Spot) finanziata dal progetto europeo ODIN – Smart Hospitals, per eseguire le operazioni tradizionalmente svolte a mano dagli operatori sanitari.
\nLe sfide legate al campionamento tramite swab includono molteplici variabili influenzate dall’intervento manuale dell’operatore, dalla pressione esercitata nel campionamento e dall’accessibilit\u00e0 non sempre agevole dei punti di prelievo. Questo approccio innovativo offre numerosi vantaggi: il robot pu\u00f2 eseguire le misurazioni in modo ripetuto e continuativo, anche durante le ore notturne, garantendo cos\u00ec l’omogeneit\u00e0 e l’affidabilit\u00e0 dei risultati. Inoltre, il robot supera le limitazioni umane nell’efficace copertura delle superfici da campionare e nella ripetizione coerente delle operazioni di campionamento.
\nIl campionamento automatizzato pu\u00f2 essere eseguito anche in ambienti pericolosi per il personale sanitario, come durante la gestione di malattie altamente contagiose, riducendo cos\u00ec il rischio di contagio per i professionisti. Nel progetto, ci siamo concentrati sul campionamento da parte di FREKI su superfici di particolare interesse, le maniglie, riconosciute come punti critici per la trasmissione di batteri e agenti patogeni.
\nAbbiamo implementato un modello di Intelligenza Artificiale basato su YOLOv8n per la rilevazione degli oggetti, addestrandolo con oltre 1500 fotografie delle maniglie presso il Simulation Center dell’Universit\u00e0 Campus Bio-Medico di Roma, arrivando a una percentuale di successo nel riconoscimento del target del 95%. Utilizzando tecniche avanzate di Computer Vision e Stereo Vision, abbiamo stimato con precisione la distanza tra la maniglia individuata e il robot, con un errore massimo di 2 centimetri. Attraverso l’analisi della disparit\u00e0 tra le posizioni delle bounding boxes nelle due inquadrature della fotocamera montata sul braccio robotico di FREKI, siamo riusciti a ottenere una stima accurata della profondit\u00e0, fondamentale per garantire un’ottimale esecuzione dell’attivit\u00e0 di campionamento.<\/div>\n

 <\/p>\n