Design and implementation of a vein detection system for improved accuracy in blood sampling

• Autorzy: Boutalaka Omar , Benba Achraf , Sandabad Sara

Identyfikatory

DOI

10.35784/iapgos.6759

Warianty tytułu

PL

Projektowanie i wdrożenie systemu detekcji żył w celu zwiększenia dokładności pobierania krwi

• Języki publikacji: EN

Abstrakty

EN

Blood sampling is a routine procedure in medical diagnostics, yet precise vein visualization methods remain limited. This projectintroducesa system designed to improve vein detection during blood collection. It relies on Near-Infrared (NIR) light, which interacts with the skin and highlights veins by taking advantage of hemoglobin’s infrared absorption properties. Using a Raspberry Pi and an infrared camera, image acquisitionand processing are handled through MATLAB and Python algorithms, which allow real-time visualization of veins. The system has been testedon a database of infrared images of hands and arms, effectively enhancing vein contrast in real time. The display is connected to the Raspberry Pi, giving medical staff a visual guide. This technology aims to streamline procedures for healthcare professionals, including doctors, nurses, and medical students, particularly in high-volume settings like labs and blood transfusion centers where vein visualization is critical to patient care.

PL

Pobieranie krwi jest rutynową procedurą w diagnostyce medycznej, jednak precyzyjne metody wizualizacji żył pozostają ograniczone. Projekt ten wprowadza system mający na celu usprawnienie wykrywania żył podczas pobierania krwi. Opiera się na świetle bliskiej podczerwieni (NIR),które oddziałuje ze skórą i uwydatnia żyły, wykorzystując właściwości absorpcji podczerwieni przez hemoglobinę. Przy użyciu Raspberry Pi i kameryna podczerwień akwizycja i przetwarzanie obrazu odbywa się za pomocą algorytmów MATLAB i Python, które umożliwiają wizualizację żył w czasie rzeczywistym. System został przetestowany na bazie danych obrazów dłoni i ramion w podczerwieni, skutecznie zwiększając kontrast żył w czasie rzeczywistym. Wyświetlacz jest podłączony do Raspberry Pi, zapewniając personelowi medycznemu wizualne wskazówki. Technologiata ma na celu usprawnienie procedurstosowanych przez pracowników służby zdrowia, w tym lekarzy, pielęgniarki i studentów medycyny, szczególnie w środowiskacho dużym natężeniu ruchu, takich jak laboratoria i centra transfuzji krwi, gdzie wizualizacja żył ma kluczowe znaczenie dla opieki nad pacjentem.

Słowa kluczowe

EN

NIR; vein detection; image processing; embedded system

PL

NIR; wykrywanie żył; przetwarzanie obrazu; system wbudowany

• Wydawca: Wydawnictwo Politechniki Lubelskiej
• Czasopismo: Informatyka, Automatyka, Pomiary w Gospodarce i Ochronie Środowiska
• Rocznik: 2025
• Tom: T. 15, nr 1
• Strony: 131--134
• Opis fizyczny: Bibliogr. 14 poz., fot., wykr.

Twórcy

autor

Boutalaka Omar

• Mohammed V University in Rabat, Electronic Systems, Sensors and Nanobiotechnologies (E2SN), High National School of Arts and Crafts (ENSAM), Rabat, Morocco

• https://orcid.org/0009-0007-5524-6197

autor

Benba Achraf

• Mohammed V University in Rabat, Electronic Systems, Sensors and Nanobiotechnologies (E2SN), High National School of Arts and Crafts (ENSAM), Rabat, Morocco

• https://orcid.org/0000-0001-7939-0790

autor

Sandabad Sara

• Higher Institute of Maritime Studies (ISEM), Casablanca, Morocco

• https://orcid.org/0000-0002-0813-6178

Bibliografia

• [1] Aboshosha A. et al.: Image denoising based on spatial filters, an analytical study. International Conference on Computer Engineering & Systems. IEEE, 2009, 245–250.
• [2] Almajidy R. K. et al.: A newcomer's guide to functional near infrared spectroscopy experiments. IEEE Reviews in Biomedical Engineering 13, 2019, 292–308.
• [3] Amritha P. P., Induja K., Rajeev K.: Active warden attack on steganography using Prewitt filter. International Conference on Soft Computing Systems. Springer, New Delhi 2016, 591–599.
• [4] Aqrawi A. A., Boe T. H.: Improved fault segmentation using a dip guided and modified 3D Sobel filter. Society of Exploration Geophysicists Technical Program Expanded Abstracts 2011, 999–1003.
• [5] Brownrigg D. R.: The weighted median filter. Communications of the ACM 27(8), 1984, 807–818.
• [6] Di Franco M. et al.: Diastolic function abnormalities in rheumatoid arthritis. Evaluation by echo Doppler transmitral flow and pulmonary venous flow: relation with duration of disease. Annals of the Rheumatic Diseases 59(3), 2000, 227–229.
• [7] Dumoulin C. L., Hart Jr. H. R.: Magnetic resonance angiography. Radiology 161(3), 1986, 717–720.
• [8] Gomes D. M.: Contrast enhancement in digital imaging using histogram equalization. Doctoral dissertation. Université Paris-Est, 2014.
• [9] Gómez E. et al.: Diagnosis of thoracic outlet syndrome by angio-MRI. Radiologia 48(5), 2006, 295–300.
• [10] Kong H., Akakin H. C., Sarma S. E.: A generalized Laplacian of Gaussian filter for blob detection and its applications. IEEE Transactions on Cybernetics 43(6), 2013, 1719–1733.
• [11] Okhnyanskaya L. G. et al.: Assessment of the human regional cerebral blood flow by venous occlusion rheoplethysmoencephalography. Bulletin of Experimental Biology and Medicine 82(5), 1976, 1755–1758.
• [12] Thomas M. L.: Phlebography. Archives of Surgery 104(2), 1972, 145–151.
• [13] Upton E., Halfacree G.: Raspberry Pi User Guide. John Wiley & Sons, 2014.
• [14] Zeman R. K. et al.: CT angiography. AJR. American Journal of Roentgenology 165(5), 1995, 1079–1088.