基于人工智能（AI）的智能工作台：用于消毒供应中心手术器械包的再装配.pdf

1、基于人工智能（基于人工智能（AI）的智能）的智能工作台：工作台：用于消毒供应中心手术器械包的再装配报告人:Chiara Taranto单位:Promedital有限公司议程现状创建 AI 智能工作台的背景与原因任任务AI 智能工作台的关键特征与目标定义行行动项目实施概览技术与运行层面结果试点项目的成果分析与主要发现未来未来后续改进步骤与系统的长期可持续性现状:手手术器械包管理中的潜在风险手手术器械包装中反复出现的问题安全性安全性器械包不完整或装配错误器械放错位置器械遗失在小型医院中，平均每月在小型医院中，平均每月报告约 5 起此起此类事件。接收接收清洗清洗灭菌发放污染物品转运录入/录出接受无菌

2、物品接受无菌物品储存清洗接收清洗接收包装包装操作效率操作效率缺乏标准化流程员工流动率高/操作人员经验不足经济影响培训所需时间和费用高器械打包过程冗长任任务:实现手术器械包重新组装的自自动化与辅助支持精准的器械精准的器械识别通过形状特征可靠识别器械无需依赖雕刻编号或二维码保留器械的合格认证状态器械包区分与打包人指器械包区分与打包人指导能够区分不同器械包中的器械在不确定时，为打包人提供实时指引人体工学与流程集成人体工学与流程集成快速且操作简便可与现有的灭菌工作流程无缝衔接智能工作台的关智能工作台的关键特性摄像头投影仪工作台面显示器灯PC柜/控制器智能工作台一智能工作台一览行行动:项目布局AI部分部

3、分手术器械识别算法确保包内物品的精确和可靠操作部分操作部分与以下机构合作:莫得纳医院（AUSL Modena）,意大利Massa医院,意大利IHSS,英国工作流整合和真实场景测试人工智能算法：手人工智能算法：手术器械识别的挑战器械的极其多器械的极其多样性数量目录庞大且持续更新，使得为特定器械包定制训练流程变得不可行。为了开发一个稳健的手术器械识别系统，需要解决两大核心挑战:操作部分操作部分许多器械之间存在极其细微的外观差异，肉眼几乎无法分辨，这使得精准分类尤为困难。1.数据收集2.数据清理3.模型训练4.评估5.部署6.监测7.维护初始方法的局限性初始方法的局限性传统的监督式学习流程每个器械在

4、受控条件下需拍摄 25 张以上的图像模型按“器械包”独立训练，不同器械包之间共享图像数据主要局限性包括主要局限性包括:计算量大、耗时长每当器械包配置发生变化时，必须重新训练模型无法识别不属于这个包的器械或这个包内的缺失器械识别准确率对光照条件与器械包组成极为敏感仅依赖单一参考标记点，导致测量精度受限改改进方法：可扩展与可泛化的流程强化分割：采用深度学习模型去除背景干扰，精准分离出器械轮廓。高高级特征表达：生成高维数值特征表示，用以捕捉不同器械间的细微差异。综合分类策略：融合视觉特征与辅助信息，构建一个可扩展、准确且具备适应性的识别系统。数据采集数据采集优化：将每个器械所需的拍摄图像数量由 25

5、 张减少至 8 张，同时仍能完整保留信息覆盖范围。HDR 成像：成像：通过高动态范围图像技术，确保在不同光照条件下均能获得一致的图像质量。1 234 56 0 1,0 1,5 2,02,53,0 3,5 4,04,55,0Dimension 1Dimension 2图：图像被分组为多个族群，其中包含相邻的族群与异常图像。Red ClusterGreen ClusterBlue Cluster改改进方法：可扩展与可泛化的流程维度1维度2红色族群绿色族群蓝色族群无需针对特定器械包进行训练通过新增图像数据即可逐步提升准确率，无需重新训练具备稳定的异常器械检测能力（可识别不属于本包器械或本包内缺失的器

6、械）可自动将器械重新分配至正确的器械包达到 99.5%的预测准确率，即使在不确定情形下，提供的答案在正确选项的前三位内实现成果:在不断变化的器械包中具备高度可扩展性 对错误分类具有灵活的修正能力 在检测异常器械与不属于本包的器械时保持高准确度 在图像采集与预先处理方面效率显著提升新方法的成果与新方法的成果与优势图像采集优化-通过改进摄像头配置与采用更广视角镜头，减少所需拍摄图像数量降低不确定性降低不确定性-优化训练参数，尽量减少识别结果中的不确定预测重叠器械重叠器械识别-实现对直接接触或近距离放置的器械的精准识别违规检测-识别清洗不彻底或存在物理缺陷的器械探索未来的改探索未来的改进之处在意大利