[发明专利]经由药物包装及/或标签以分类及辨识该药物的方法及系统

说明书

本发明关于一种改良的药物管理系统以及该系统实现的方法，用以经由一药物包装及/或标签来识别及分类该药物。该方法包含以下步骤：(a)接受药物包装的复数个原始影像；(b)规整该复数个原始影像中的两张以产生一合并影像，其中该两张原始影像彼此不同；(c)处理该合并影像以产生一参考影像；以及(d)借助该参考影像建立药物数据库。所述系统包含一影像采集装置、一影像处理器以及一机器学习处理器。影像处理器编程指令以执行用以产生合并影像的方法。

技术领域

本发明内容是关于药物管理系统领域，特别是有关于一种可经由药 物的标签及/或包装来分类及识别该药物的方法及系统。

背景技术

医疗用品及药学产品的高效储存及管理系统及/或方法，对于医院系 统的顺利运行以及提供优质病患照护来说是重要的先决条件。在此情况 下，处方配药的准确性对所有医疗机构都至关重要。虽然全自动配药柜 (automated dispensing cabinets，ADCs)被引入医疗院所已有20年的历史， 但仍存在药事上的疏失。由于全自动配药柜的给药在很大程度上仍仰赖 临床人员对于标准流程的精确遵守，因此不太可能完全排除最终的人为 错误。举例来说，药房可能将错误的药品存放在给定的药柜，或是临床 人员可能从邻近的药柜上拿到“长得像”的药品。因此，以人眼经由药物 外观识别该药物是相当不可靠的，遑论可否适用到药物管理系统中。

深度学习(deep learning)是基于多级别学习数据表示(representation) 的更广泛机器学习方法系列的一部分，这些方法是透过组合简单但非线 性的模块(module)所获得，每个模块将一个级别的表示转换为更高、更 稍微抽象的级别来表示。通过这些转换足够的组合，可以学习较为复杂 的功能(例如分类任务)。因此，深度学习对于解决存在于人工智能社群 多年的问题上取得重大的进展，同时可应用至许多技术领域。针对药学 管理系统，深度学习在识别物体外观的优异表现应可为目前药物分配技 术的缺点带来解决之道。然而，考虑到涉及某些外观相似的药物包装的 种类繁多，仅执行深度学习是无法产生期望的结果。

鉴于上述，现有技术有必要提供一种用于药物管理(例如，经由药物 的标签及/或包装来分类和识别该药物)的改善方法及系统。

发明内容

为了给读者提供基本的理解，以下提供本发明内容的简要发明内 容。此发明内容不是本发明内容的广泛概述，同时非用来识别本发明的 关键/必需组件或勾勒本发明的范围。其唯一目的是以简化的概念形式呈 现本发明内容的一些概念，以作为呈现于后文中更详细描述的序言。

如本文所体现和广泛描述的，本发明内容的目的是提供一种改善的 药品管理系统以及透过该系统识别临床药物的实施方法，通过该方法可 大幅改善配药的效率及精确性。

本发明内容的一方面是关于一种用以建立一药物数据库的计算机 实施方法。在某些实施方式中，该方法包含：(a)接受一药物包装的复 数个原始影像；(b)规整(juxtapose)该复数个原始影像中的两张，以产生 一合并影像，其中该两张原始影像彼此相异；(c)处理该合并影像以产 生一参考影像；以及(d)借助于该参考影像以建立该药物数据库。

在某些非必要实施方式中，前述方法更包含在步骤(a)之前同时采集 该药物包装的该复数个原始影像。

根据本发明内容的某些实施方式，该药物是一泡型包装(blister package)的形式。

根据本发明内容的某些实施方式，步骤(b)包含：(b-1)分别处理该 复数个原始影像，以产生复数个分别具有经定义轮廓的第一处理影像； (b-2)识别该复数个第一处理影像的各经定义轮廓的角点，以确定其坐 标；(b-3)基于步骤(b-2)确定的该坐标，旋转步骤(b-1)的各该第一处理 影像，以产生复数个第二处理影像；以及(b-4)结合该复数个第二处理 影像中的任两张，以产生步骤(b)的该合并影像。