Телеультразвуковые исследования с использованием смартфонов и одноплатных компьютеров

Обложка

Цитировать

Полный текст

Аннотация

Обоснование. Рост доступности и вычислительной мощности мобильных устройств приводит к расширению их области применения. Медицина не стала исключением: одноплатные компьютеры и смартфоны активно применяются в телемедицине.

Цель ― изучить техническую возможность реализации телеультразвуковых исследований при помощи одноплатных компьютеров и смартфонов.

Материалы и методы. В данном исследовании проводили захват ультразвукового видеоизображения при помощи внешних USB-устройств видеозахвата. В качестве платформы для сервера телеультразвуковых исследований использовали одноплатные компьютеры Raspberry Pi, а также смартфон на базе Android. В качестве программного обеспечения использовали VLC, Motion, USB Camera. Дистанционная оценка экспертом проводилась также на мобильных устройствах: посредством VLC при работе на сервере программного обеспечения VLC, в остальных случаях — Google Chrome на Windows 7 и Android, Chromium на Raspberry Pi.

Результаты. Устройство видеозахвата на базе чипсета UTV007 позволяет получить более качественное изображение по сравнению с устройством на базе чипсета AMT630A. Оптимальное разрешение видеоизображения 720×576 при 25 кадрах в секунду. Оптимальным программным обеспечением для организации телеУЗИ на Raspberry Pi является VLC из-за низких требований к пропускной способности каналов связи (0,64±0,17 Мбит/с). Для Android-смартфонов телеультразвуковое исследование может быть реализовано на программном обеспечении USB Camera, но требует большей пропускной способности каналов связи (5,2±0,3 Мбит/с).

Заключение. Использование устройств на базе одноплатных компьютеров и смартфонов позволяет реализовать бюджетную телеультразвуковую систему, что потенциально способствует повышению качества выполняемых исследований за счёт дистанционного обучения и консультирования врачей. Данные решения могут применяться в том числе в удалённых регионах, для задач «полевой» медицины и других возможных направлений мобильного здравоохранения.

Об авторах

Кирилл Михайлович Арзамасов

Научно-практический клинический центр диагностики и телемедицинских технологий

Автор, ответственный за переписку.
Email: ArzamasovKM@zdrav.mos.ru
ORCID iD: 0000-0001-7786-0349
SPIN-код: 3160-8062

к.м.н.

Россия, Москва

Виктор Анатольевич Дроговоз

Научно-производственное объединение «Русские базовые информационные технологии»

Email: Vdrog@mail.ru
ORCID iD: 0000-0001-9582-7147
SPIN-код: 1804-2636

к.т.н.

Россия, Москва

Татьяна Михайловна Бобровская

Научно-практический клинический центр диагностики и телемедицинских технологий

Email: BobrovskayaTM@zdrav.mos.ru
ORCID iD: 0000-0002-2746-7554
SPIN-код: 3400-8575

MD

Россия, Москва

Антон Вячеславович Владзимирский

Научно-практический клинический центр диагностики и телемедицинских технологий; Первый Московский государственный медицинский университет имени И.М. Сеченова (Сеченовский Университет)

Email: VladzimirskijAV@zdrav.mos.ru
ORCID iD: 0000-0002-2990-7736
SPIN-код: 3602-7120

д.м.н.

Россия, Москва; Москва

Список литературы

  1. Shi J., Wang F., Qin M., et al. New ECG compression method for portable ECG monitoring system merged with binary convolutional auto-encoder and residual error compensation // Biosensors (Basel). 2022. Vol. 12, N 7. Р. 524. doi: 10.3390/bios12070524
  2. Palacios D.R., Shen K., Baig S., et al. Wide field of view handheld smart fundus camera for telemedicine applications // J Med Imaging (Bellingham). 2021. Vol. 8, N 2. Р. 026001. doi: 10.1117/1.JMI.8.2.026001
  3. Shewale A.D., Patil S.A., Patil S.R. Raspberry-pi based automatic health care modelling: An iOt approach // Compliance Engineering J. 2021. Vol. 12, N 3. Р. 99–104.
  4. Recker F., Höhne E., Damjanovic D., Schäfer V.S. Ultrasound in telemedicine: A brief overview // Appl Sci. 2022. Vol. 12, N 3. Р. 958. doi: 10.3390/app12030958
  5. Lim T.H., Choi H.J., Kang B.S. Feasibility of dynamic cardiac ultrasound transmission via mobile phone for basic emergency teleconsultation // J Telemed Telecare. 2010. Vol. 16, N 5. Р. 281–285. doi: 10.1258/jtt.2010.091109
  6. Miyashita T., Iketani Y., Nagamine Y., Goto T. FaceTime®for teaching ultrasound-guided anesthetic procedures in remote place // J Clin Monit Comput. 2014. Vol. 28, N 2. Р. 211–215. doi: 10.1007/s10877-013-9514-x
  7. Kim C., Cha H., Kang B.S., et al. A feasibility study of smartphone-based telesonography for evaluating cardiac dynamic function and diagnosing acute appendicitis with control of the image quality of the transmitted videos // J Digit Imaging. 2016. Vol. 29, N 3. Р. 347–356. doi: 10.1007/s10278-015-9849-6
  8. Boissin C., Blom L., Wallis L., et al. Image-based teleconsultation using smartphones or tablets: Qualitative assessment of medical experts // Emergency Med J. 2017. Vol. 34, N 2. Р. 95–99. doi: 10.1136/emermed-2015-205258
  9. Beckhauser E., Petrolini V.A., Savaris A., et al. Are single-board computers an option for a low-cost multimodal telemedicine platform: First tests in the context of santa catarina state integrated telemedicine and telehealth system // 2016 IEEE 29th International Symposium on Computer-Based Medical Systems (CBMS). 2016. Р. 163–168.
  10. Bhojwani H., Sain G.K., Sharma G.P. A hybrid connectivity oriented telemedician system for Indian landscape using raspberry Pi SBC & IOT // 2018 3rd Technology Innovation Management and Engineering Science International Conference (TIMES-iCON). 2018. Р. 1–5. doi: 10.1109/TIMES-iCON.2018.8621799
  11. De Oliveira D.C., Wehrmeister M.A. Using deep learning and low-cost rgb and thermal cameras to detect pedestrians in aerial images captured by multirotor UAV // Sensors (Basel). 2018. Vol. 18, N 7. Р. 2244. doi: 10.3390/s18072244
  12. Kim W., Jung W.S., Choi H.K. Lightweight driver monitoring system based on multi-task mobilenets // Sensors (Basel). 2019. Vol. 19, N 14. Р. 3200. doi: 10.3390/s19143200
  13. Peine A., Hallawa A., Schöffski O., et al. A deep learning approach for managing medical consumable materials in intensive care units via convolutional neural networks: Technical proof-of-concept study // JMIR Med Informatics. 2019. Vol. 7, N 4. Р. e14806–e14806. doi: 10.2196/14806
  14. Yoo S.K., Kim D.K., Jung S.M., et al. Performance of a web-based, realtime, tele-ultrasound consultation system over high-speed commercial telecommunication lines // J Telemed Telecare England. 2004. Vol. 10, N 3. P. 175–179. doi: 10.1258/135763304323070841
  15. Panayides A., Antoniou Z.C., Mylonas Y., et al. High-resolution, low-delay, and error-resilient medical ultrasound video communication using H.264/AVC over mobile WiMAX networks // IEEE J Biomed Health Inform. 2013. Vol. 17, N 3. P. 619–628. doi: 10.1109/TITB.2012.2232675
  16. Арзамасов К.М., Бобровская Т.М., Дроговоз В.А. Стриминговые технологии: из игровой индустрии в телеультразвуковые исследования // Digital Diagnostics. 2022. Т. 3, № 2. C. 131–140. doi: 10.17816/DD100779
  17. Арзамасов К.М., Дроговоз В.А. Систематический обзор технологий и методов телеультразвуковых исследований // Медицинские технологии. Оценка и выбор. 2020. № 3. С. 44–54. doi: 10.17116/medtech20204103144
  18. Le M.T., Voigt L., Nathanson R., et al. Comparison of four handheld point-of-care ultrasound devices by expert users // Ultrasound J. 2022. Vol. 14, N 1. Р. 27. doi: 10.1186/s13089-022-00274-6

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать
2. Рис. 1. Схема подключения.

Скачать (296KB)
Метаданные

© Эко-вектор, 2023

Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах