人脸识别技术接入电子病历系统的探索

2022-09-19陈泓琳

医疗装备 2022年17期

陈泓琳

温州市人民医院设备科（浙江温州 325000）

近年来，我国针对图像特征提取算法的积极研究使得生物识别技术迅速发展。人脸识别作为生物识别领域最有前景的技术，已成为研究的热点。截至目前，人脸识别技术已被广泛用于多个领域，各行各业工程师已根据市场需求结合日趋成熟的人脸识别技术开发出了各种满足要求和功能的信息系统。本研究将人脸识别技术接入电子病历系统，旨在减轻网络运行和人员操作负担，加快医院信息化和智能化建设。

1 人脸识别技术与电子病历系统简介

1.1 人脸识别技术

人脸识别技术是根据采集到的人的面部特征进行身份确认或者身份查找的技术。其应用场景最早可追溯到20 世纪90 年代，作用原理为通过采集系统对实时采集到的图像或者动态视频进行人脸查找，即当确定镜头前存在人脸后，采集系统可根据人脸确定面部器官的位置以及物理特征，并按照提取出来的信息索引对应人脸所隐藏的社会身份信息。作为以“大信息”“大数据”等技术为基础的新兴生物技术，该项技术已被广泛用于日常生活场景中。

1.2 电子病历系统

电子病历系统属于医学专用软件，医院可通过该系统记录、存储、传输、统计、质量控制患者的就诊信息，如患者身份信息、诊疗记录、检验结果、缴费记录、手术记录、护理记录等。其在将病历电子信息化的同时，亦对医院提出了新的挑战，如患者信息的安全性，由于医患隐私的独特性，围绕电子数据和隐私的问题正影响着公共政策和私有软件的开发导致；此外，很多电子病历系统在设计上不够人性化，导致实践中部分功能烦琐和缺失。

2 人脸识别技术接入电子病历系统的必要性

在移动互联网不断发展的时代，引入新的技术提升电子病历系统的用户登录访问效率非常必要。人脸识别作为计算机视觉领域的主要技术方向，其快速可靠，不易出错，不易伪造，且登录用户界面时无需人机接触，降低了交叉感染的风险。纵观医疗病历信息的发展历史，病历档案已经由简单到复杂管理、由经验到科学管理、由手工到计算机管理、由封闭到开放系统管理发展。当用户需要查看或更新数据库时，需手动输入账号、密码登录用户界面，操作烦琐易出错，且存在暴力破解或字典攻击等安全风险，若高频访问使用，会造成使用不便且效率低下，因此，将人脸识别技术接入电子病历系统适应时代发展的需要。

3 人脸识别技术接入电子病历系统的实现

本设计采用模块化思想构建了一套人脸识别系统，其包括人脸采集模块、特征匹配模块、存储数据库、终端和管理服务器5部分。首先，由人脸采集模块向特征匹配模块递交采集到的人脸五官特征信息，特征匹配模块不断读取存储数据库内的数据并与新送达的特征信息数据进行对比，若收到的特征信息数据与存储数据库中的人脸特征数据不匹配，则会创建新的患者并存储该患者的面部特征数据，同时要求在终端的弹出框内输入该患者的身份信息并将其存储在患者资料信息存储单元中；若收到的特征信息数据与存储数据库中的人脸特征数据匹配成功，则管理服务器会将档案库中相应的患者资料信息传输给终端，通过终端显示患者的就诊信息。同时，我们可通过进入管理服务器对整个系统进行查看、管理和升级更新，若识别到的人脸对应身份是医务人员，则管理服务器调取的数据是该医务人员权限下的患者电子病历和医务人员本人的电子病历，在该医务人员的终端可查看已诊断患者信息和录入新的医嘱或诊断。此外，本设计还设置了医务人员终端显示摄像头可每间隔一段时间扫描1次屏幕前操作人员的人脸信息是否为医务人员本人的功能，当不是本人时会立即退出电子病历系统。人脸识别系统具体流程见图1。

图1 人脸识别系统流程

本设计过程由定位五观并提取特征、调取数据并进行特征匹配、终端信息呈现3个步骤实现。其中，人脸特征提取算法是设计的核心，其包含3种方法：（1）采用特征脸（eigenfaces）人脸识别算法[1]，即利用主成分分析（principal component analysis，PCA）原理[2]将采集的人脸特征向量或人脸特征空间信息从高维立体空间映射到低维数据空间，然后将待识别图像的低维空间数据与从数据库中调取的数据进行一一对比，从而找出摄像机前人物相应的身份信息；（2）选择OpenCV 图像采集模块作为微控制单元（microcontroller unit，MCU），使用摄像头拍摄视频中的人分别进行人脸录入和人脸识别，待系统得到不同的表情以及不同的状态图像后，通过局部二值模式直方图（local binary patterns histograms，LBPH）算法处理，进一步进行人脸面部特征提取对比，从而得到特征差异度，据此识别人脸，该种算法目前比较流行、识别准确度较高、占用系统资源较少、响应时间较快，可离线进行学习、识别[3]；（3）采用基于主成分分析网络（the Net of principal component analysis，PCANet）深度学习模型提出的一种结合数据和特征点遮挡检测的人脸识别算法[4]，该种算法中的分类器用于关键点检测，PCANet 深度学习模型用于特征提取以形成支持向量机训练模型组，遮挡判别分类器用于定位遮挡，结合特征模型组完成有遮挡物的人脸识别任务，并且对于表情变化有很强的鲁棒性，将该算法用于常见遮挡类型的人脸识别可取得显著的效果，用于大面积遮挡的极端类型亦具有很高的识别率，适用于疫情下人们佩戴口罩的情况。通过比较3种人脸识别算法，本设计采用第3种方法，认为其效率更高。

综合上述内容，本设计的人脸采集设备采用黑光全彩摄像机，其环境适应能力强，在灯光较暗时依然可以显示彩色画面，且可自动对焦摄影，动态捕捉能力强，支持通过wifi/4G/5G 无线网络与特征匹配模块按照单工通信方式进行通信传输，特征匹配模块由管理服务器调用，管理服务器通过Java 数据库连接（Java database connectivity，JDBC）与数据库进行数据交互，数据库则采用RS485协议与特征匹配模块进行数据传送，最终实现管理服务器通过无线网络与终端进行通信传输[4]。

4 人脸识别技术接入电子病历系统的完善

4.1 加密数据信息系统

纵观人类社会的发展，将人脸识别技术接入电子病历系统后的系统应满足延伸服务的增长需求，即要求该系统满足可开发、可扩展、高实用、高可靠、高安全的需求，因此，该系统应采用开放的体系结构、技术标准、技术规范和应用设计，以确保信息交互和数据共享在医疗卫生系统顺利进行。但是，确保系统“开放”的同时亦应“保守”，医院是个人疾病诊断和治疗的“档案馆”，而人脸数据与上述个人隐私档案关联，一旦使用自身人脸作为本人信息的数据密钥，即相当于人脸识别数据带有一部分的隐私权、肖像权和名誉权，因此，在将人脸识别技术接入电子病历系统的过程中应确保数据处于有效保护和合法使用中，且应对保存到数据库中的人脸信息进行IDEA（全称为IntelliJ IDEA，是java 语言开发的集成环境）和对称加密算法加密保护；系统模块用C#语言开发完成，采用服务器-客户机系统架构，图像中的人脸检测采用开源的EMGUCV（其是.Net 平台下对OpenCV 图像处理库的封装，即OpenCV 的.Net 版）实现；为了方便医院信息系统（hospital information system，HIS）各个程序调用，将校验模块通过管理软件分发到医院内网客户端的指定目录下，通过设置HIS 参数，配置调用路径，HIS 参数采用JS（其是一种具有函数优先的轻量级，解释型或即时编译型的编程语言）对象简谱格式并使用base64（网络上最常见的用于传输8Bit 字节码的编码方式之一）进行编码后发送给身份核验模块[5]。

4.2 完善系统防御体系

医院采用内外网融合的网络架构，可以通过搭建完善的防火墙，健全人脸识别系统的安全防护机制，在数据交流过程中增强其抵抗网络病毒的侵扰能力，及时备份数据，确保患者“人脸”数据信息不丢失；且可以通过定时更新杀毒软件，确保网络安全稳步推进。在现阶段的网络背景下，通过采用上述防护方式，可加强对数据信息的限制，隔离和及时屏蔽隐患信息，使不安因子无法进入内网，从而营造积极、健康的信息环境。

4.3 组建系统管理和优化队伍

任何系统的管理和优化均应配备相应的监督和执行机制，通过组建人脸识别系统管理和优化队伍，可将责任落实到个人或具体的团体，以加强对系统设备、工作段的管理；通过定期检查系统运行是否高效和安全防护是否到位，在可靠机制的保障下迅速发现问题，结合现有问题提出可行、稳妥的解决措施，借此强化人脸信息的管理效果并做到全面、精准的防护，搭建起有效的防护体系，从源头阻断信息泄露。

5 人脸识别技术接入电子病历系统的意义

将人脸识别技术接入电子病历系统后，病历信息的输入和输出管理更加严格，为病历信息系统运行环境的安全性提供了保障；用人脸识别代替账号、密码登录，不仅大幅提升了效率，为医务人员提升自身专业素养和实现信息管理创新提供了更多的时间和机会，还大幅提升了准确性，强化了数据支撑，提高了医疗安全，改善了患者的就医体验；由于只需借助摄像头隔空操作，无需手动输入或进行场景对话，因此降低了交叉感染风险，减少了清洁、消毒用品的使用频率；在设置了医务人员权限后，医务人员在利用电子档案查阅患者信息时更便捷、更迅速、更安全，且为远程医疗合作提供了信息安全和共享实现的保障；人脸识别技术是当前信息技术的热门领域，可对医院管理人员的思维模式产生影响，提升其参与医院互联网信息化建设的积极性，已为进一步实现医院信息化建设提供保障。