Patient:Patient:
John Doe
Prozedur:Procedure:
Linke Thorakotomie zur Resektion eines Lungenknotens
Allergien:Allergies:
Penizilin (Ausschlag), Latex (Anaphylaxie)
Medikamente:Medications:
Lisinopril 20mg täglich
Metoprolol 50mg 2x täglich
00:00
00:00
PULS
BLUTDRUCK
SP02
KKT
Das System bietet eine innovative Steuerung mehrerer Bildschirme durch den Einsatz von Handgesten.
Zeigt man mit der Hand eine "1", wechselt das System zum ersten Bildschirm.
Eine "2" ruft den zweiten Bildschirm auf, eine "3" den dritten, und eine "4" den vierten Bildschirm.
Auf den Bildschirmen 1 bis 3 kann eine spezielle Geste, bei der die Fingerspitze den Daumen berührt, verwendet werden, um dynamische Aktionen auszuführen.
Diese Aktionen umfassen beispielsweise das Bewegen von Bildern oder das Navigieren durch einen CT-Scan.
Besonders auf dem dritten Bildschirm wird eine dreidimensionale Darstellung visualisiert, welche in der aktuellen Version der Benutzeroberfläche durch ein Teekannenmodell repräsentiert wird.
Zusätzlich zeigt die Benutzeroberfläche wichtige Informationen, wie Patientendaten, auf der linken Seite und die Vitalwerte auf der rechten Seite an.
Unten rechts wird die erkannte Geste angezeigt, zusammen mit der Wahrscheinlichkeit, mit der die Geste erkannt wird.
In der Web-Demo kann die erkannte Geste durch das Klicken auf entsprechende Buttons simuliert werden, wodurch die Geste angezeigt wird, die man im eigentlichen Programm mit der Hand ausführen würde.
Es wurden zwei Hauptansätze für die Gestenerkennung implementiert: Zum einen die Kombination von MediaPipe mit benutzerdefinierten Landmarkenberechnungen, bei der mathematische Modelle verwendet werden, um Gesten anhand von Handgelenk- und Fingerpositionen zu erkennen. Zum anderen wird MediaPipe mit dem maschinellen Lernframework Scikit-learn kombiniert, das den k-Nearest-Neighbors-Algorithmus (KNN) verwendet, um Gesten basierend auf trainierten Modellen zu klassifizieren.
Die Software wurde in Rust entwickelt, wobei für die Integration von Python-basierten Machine-Learning-Bibliotheken PyO3 genutzt wurde. PyO3 ermöglicht es, Python-Code innerhalb der Rust-Umgebung auszuführen und Daten effizient zwischen den beiden Sprachen auszutauschen. Dies ist besonders wichtig, da die Kamera-Streams sowohl für die Darstellung in der Benutzeroberfläche als auch für die Gestenerkennung benötigt werden und eine schnelle Datenübertragung unerlässlich ist, um eine reibungslose Benutzererfahrung zu gewährleisten.