Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightElde edilen sonuçlar, önerilen sistemin tek bir bütünleşik platform içerisinde çok aşamalı ilaç doğrulamasını etkin biçimde desteklediğini ve gelecekteki akıllı evde bakım ilaç yönetim çözümleri için sağlam bir temel sunduğunu göstermektedir.
📌 3 Maddede Bu Makale
Özet
İlaç uyumu, özellikle evde bakım ortamlarında, yaşlı bireyler ve uzun süreli ya da çoklu ilaç tedavisi gören hastalar için kritik bir sorun olmaya devam etmektedir. Mevcut akıllı ilaç dağıtım sistemleri büyük ölçüde hatırlatıcı temelli stratejilere veya tek aşamalı doğrulama yöntemlerine dayanmaktadır ve bu yaklaşımlar çoğu zaman doğru ilaç türünün seçilmesi, dozaj doğruluğunun sağlanması ve ilaç alımına ilişkin kullanıcı davranışlarının güvenilir biçimde doğrulanması açısından yetersiz kalmaktadır. Bu çalışmada, söz konusu sınırlamaları gidermek amacıyla çok aşamalı doğrulama yaklaşımı benimseyen akıllı bir ilaç dağıtım sisteminin tasarımı ve deneysel değerlendirilmesi sunulmaktadır. Önerilen sistem; ağırlık temelli doz doğrulama, görüntü işleme tabanlı ilaç türü ve miktarı tanımlama ile insan duruşuna dayalı ilaç alım izleme modüllerini birleşik bir mekanik, elektronik ve yazılımsal mimari içerisinde bütünleştirmektedir. Deneysel doğrulama, gerçek çalışma koşullarını temsil eden fiziksel bir prototip üzerinde gerçekleştirilmiştir. Ağırlık temelli modül, gürültü bastırma ve aykırı değer eleme işlemleri sayesinde güvenilir doz ölçümleri sunarken, ilaç tanımlama işlemi gerçek kullanım senaryolarından elde edilen özel bir veri seti ile eğitilmiş YOLOv11s tabanlı bir model aracılığıyla gerçekleştirilmiştir. Buna ek olarak, insan duruşuna dayalı modül, ilacın alımına ilişkin davranışsal görsel ipuçlarını nitel olarak tespit etmekte olup, kesin bir ilaç alım doğrulaması iddiasında bulunmamaktadır. Elde edilen sonuçlar, önerilen sistemin tek bir bütünleşik platform içerisinde çok aşamalı ilaç doğrulamasını etkin biçimde desteklediğini ve gelecekteki akıllı evde bakım ilaç yönetim çözümleri için sağlam bir temel sunduğunu göstermektedir.
Abstract
Medication adherence remains a critical challenge in home-care settings, particularly for elderly patients and individuals undergoing long-term or multi-medication therapies. Existing smart medication dispensing systems largely rely on reminder-based strategies or single-stage validation methods, which are often insufficient to ensure correct medication type, dosage accuracy, and intake-related user actions. This study presents the design and experimental evaluation of a smart medication dispensing system employing a multi-stage verification approach to address these limitations. The proposed system integrates weight-based dosage validation, vision-based medication type and quantity identification, and a human pose–based medication intake monitoring module within a unified mechanical, electronic, and software architecture. Experimental validation is conducted using a physical prototype under realistic operating conditions. The weight-based module provides reliable dosage measurements through noise suppression and outlier filtering, while medication identification is achieved using a YOLOv11s-based model trained on a custom dataset collected from real usage scenarios. In addition, the human pose–based module qualitatively identifies visual cues associated with medication-taking actions without asserting definitive intake confirmation. The results demonstrate that the proposed system effectively supports multi-stage medication verification within a single integrated platform, offering a robust foundation for future smart home-care medication management solutions.