CN115862833A - 用于器械损耗的检测系统及方法 - Google Patents
用于器械损耗的检测系统及方法 Download PDFInfo
- Publication number
- CN115862833A CN115862833A CN202310121814.XA CN202310121814A CN115862833A CN 115862833 A CN115862833 A CN 115862833A CN 202310121814 A CN202310121814 A CN 202310121814A CN 115862833 A CN115862833 A CN 115862833A
- Authority
- CN
- China
- Prior art keywords
- instrument
- module
- detection
- data signal
- detection module
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 14
- 238000012545 processing Methods 0.000 claims abstract description 16
- 230000006378 damage Effects 0.000 claims abstract description 12
- 238000000605 extraction Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims description 5
- 238000004891 communication Methods 0.000 claims description 4
- 238000011524 similarity measure Methods 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 238000010276 construction Methods 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 3
- 238000001356 surgical procedure Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
Images
Abstract
本发明公开了用于器械损耗的检测系统及方法，涉及计算机技术领域，系统包括检测装置和云端服务器，检测装置包括识别模块、数据采集模块、器械检测模块、器械状态检测模块、时长分析模块、器械有效期时长数据库、无损坏器械样本数据库、中央处理器和显示模块，方法包括S1构建器械检测模型和器械状态检测模型，S2构建器械有效期时长数据库和无损坏器械样本数据库，S3识别器械的唯一标识，S4实时采集手术视频，S5识别器械种类，S6检测器械的损坏情况；S7同步统计当下使用时长，分析当下累积时长和还可继续使用时长，S8当当下累积时长超过规定时长或器械发生损坏时，发出告警；通过检测器械的情况，实时提示器械可用性。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种用于器械损耗的检测系统及方法。
背景技术
手术器械的使用往往有着固定的使用次数和时长，当器械存在磨损时，其外观发生的改变，可能导致患者感染、组织损伤、手术时间延长、手术技术失误等风险。当前由于缺乏云端同步统计器械使用时间的技术，各医疗机构往往通过制定器械检查周期制度定期对手术器械进行维护，受人力资源有限、从事手术器械维护保养的人员资质参差不齐等多种因素制约，正在使用的手术器械质量无法保证。
发明内容
本发明的目的就在于为了解决上述问题设计了一种用于器械损耗的检测系统及方法。
本发明通过以下技术方案来实现上述目的：
用于器械损耗的检测系统，包括检测装置和云端服务器，检测装置与云端服务器通讯连接，检测装置包括：
用于识别器械唯一标识的识别模块；
用于实时采集手术视频的数据采集模块；
用于识别器械种类的器械检测模块；数据采集模块的数据信号输出端与器械检测模块的数据信号输入端连接；
用于识别器械状态的器械状态检测模块；数据采集模块的数据信号输出端和器械检测模块的数据信号输出端均与器械状态检测模块的数据信号输入端连接；
用于计算器械使用时长的时长分析模块；器械检测模块的数据信号输出端与时长分析模块的数据信号输入端连接；
器械有效期时长数据库；
无损坏器械样本数据库；
中央处理器；中央处理器用于分析器械的累积使用时长和器械的损耗情况，时长分析模块的数据信号输出端、器械状态检测模块的数据信号输出端、器械有效期时长数据库的数据信号输出端和无损坏器械样本数据库的数据信号输出端均与中央处理器的数据信号输入端连接；
显示模块；显示模块的信号端与中央处理器的信号端连接。
用于器械损耗的检测方法，应用于如上述的用于器械损耗的检测系统，包括：
S1、使用人工智能算法，构建器械检测模型和器械状态检测模型分别作为器械检测模块和器械状态检测模块；
S2、构建器械有效期时长数据库和无损坏器械样本数据库；
S3、识别模块识别器械上的唯一标识；
S4、数据采集模块实时采集手术视频，并将手术视频分别导入器械检测模块和器械状态检测模块；
S5、器械检测模块识别手术视频中的器械种类；
S6、器械状态检测模块根据器械检测模型的识别结果和手术视频检测器械的损坏情况；
S7、时长分析模块对器械的当下使用时长进行同步统计，中央处理器根据云端服务器同步的器械的历史累计使用时长和当下使用时长，分析器械的当下累积时长和还可继续使用的时长；
S8、当中央处理器分析到器械的当下累积时长超过器械有效期时长数据库记录的规定时长，或器械发生损坏时，检测装置发出告警信息。
本发明的有益效果在于：该系统结合了计算机视觉技术和云端同步技术，通过检测器械的外观、使用状态及追踪其使用时长，起到了实时提示器械可用性的作用。从而提示术者所使用的器械是否可正常使用，最大程度的避免因器械的状态异常而造成对患者的副损伤，提高手术安全性，节省人力物力。
附图说明
图1是本发明器械使用时长统计流程图；
图2是本发明器械损坏检测流程图；
图3是本发明器械状态检测模型的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
下面结合附图，对本发明的具体实施方式进行详细说明。
用于器械损耗的检测系统，包括检测装置和云端服务器，检测装置与云端服务器通讯连接，检测装置包括：
用于识别器械唯一标识的识别模块；
用于实时采集手术视频的数据采集模块；
用于识别器械种类的器械检测模块；数据采集模块的数据信号输出端与器械检测模块的数据信号输入端连接；
用于识别器械状态的器械状态检测模块；数据采集模块的数据信号输出端和器械检测模块的数据信号输出端均与器械状态检测模块的数据信号输入端连接；
用于计算器械使用时长的时长分析模块；器械检测模块的数据信号输出端与时长分析模块的数据信号输入端连接；
器械有效期时长数据库；
无损坏器械样本数据库；
中央处理器；中央处理器用于分析器械的累积使用时长和器械的损耗情况，时长分析模块的数据信号输出端、器械状态检测模块的数据信号输出端、器械有效期时长数据库的数据信号输出端和无损坏器械样本数据库的数据信号输出端均与中央处理器的数据信号输入端连接；
显示模块；显示模块的信号端与中央处理器的信号端连接。
识别模块为扫码器，由于同种器械外观几乎一致，因此器械上设置有唯一标识的二维码，每次使用前后使用该系统扫描使用器械的二维码，记录当台手术使用的器械对象。
如图2、图3所示，用于器械损耗的检测方法，应用于如上述的用于器械损耗的检测系统，包括：
S1、使用人工智能算法，构建器械检测模型和器械状态检测模型分别作为器械检测模块和器械状态检测模块；具体为：
构建器械检测模型：根据历史手术视频采用YOLOX多目标检测算法的构建器械检测模型，YOLOX是基于卷积神经网络的算法，并采用了解耦合头的设计，同时还是用了anchor free的方式时网络更具泛化性能，且减少网络参数量。特别是在训练过程中，使用了多种数据增强方式如：mosaic数据增强、MixUp数据增强等方式，由于像更好的使用与训练模型带来的提升，这里控制数据增强在训练末期关闭。关于训练过程中的预测结果和标签的匹配关系使用SimOTA方法。首先计算预测结果标签对的匹配度，表示为
，其中λ为平衡系数，/>
、/>
分别表示预测结果和标签的类别损失和检测框损失，然后，对于标签，我们选择在固定中心区域内损失最低的前k个预测作为其正样本。最后，这些正预测的相应网格被分配为正，而其余网格为负。这里注意，k 值因不同的真实情况而异；/>
器械状态检测模型：如图1所示，器械状态检测模型包括两个特征提取网络和输出层，两个特征提取网络的权重共享，两个特征提取网络的输出同时作为输出层的输入，输出层用于计算两个特征图之间的相似性度量，表示为
，其中X1，X2为样本对中两个样本，EW(X1，X2)表示X1、X2之间的相似性度量；训练人工智能算法构建器械状态检测模型时，训练中使用对比损失计算预测结果和标签之间的差距，表示为：/>
，其中L表示单个样本对的损失，Y和Q为EW的上限，e为自然常数，Y为可变常数当样本对来源相同时为0否则为1。
S2、构建器械有效期时长数据库和无损坏器械样本数据库；
S3、识别模块识别器械上的唯一标识；
S4、数据采集模块实时采集手术视频，并将手术视频分别导入器械检测模块和器械状态检测模块；
S5、器械检测模块识别手术视频中的器械种类；
S6、器械状态检测模块根据器械检测模型的识别结果和手术视频检测器械的损坏情况；
S7、时长分析模块对器械的当下使用时长进行同步统计，中央处理器根据云端服务器同步的器械的历史累计使用时长和当下使用时长，分析器械的当下累积时长和还可继续使用的时长；
S8、当中央处理器分析到器械的当下累积时长超过器械有效期时长数据库记录的规定时长，或器械发生损坏时，检测装置发出告警信息。
本发明的技术方案不限于上述具体实施例的限制，凡是根据本发明的技术方案做出的技术变形，均落入本发明的保护范围之内。
Claims (6)
1.用于器械损耗的检测系统，其特征在于，包括检测装置和云端服务器，检测装置与云端服务器通讯连接，检测装置包括：
用于识别器械唯一标识的识别模块；
用于实时采集手术视频的数据采集模块；
用于识别器械种类的器械检测模块；数据采集模块的数据信号输出端与器械检测模块的数据信号输入端连接；
用于识别器械状态的器械状态检测模块；数据采集模块的数据信号输出端和器械检测模块的数据信号输出端均与器械状态检测模块的数据信号输入端连接；
用于计算器械使用时长的时长分析模块；器械检测模块的数据信号输出端与时长分析模块的数据信号输入端连接；
器械有效期时长数据库；
无损坏器械样本数据库；
中央处理器；中央处理器用于分析器械的累积使用时长和器械的损耗情况，时长分析模块的数据信号输出端、器械状态检测模块的数据信号输出端、器械有效期时长数据库的数据信号输出端和无损坏器械样本数据库的数据信号输出端均与中央处理器的数据信号输入端连接；
显示模块；显示模块的信号端与中央处理器的信号端连接。
2.根据权利要求1所述的用于器械损耗的检测系统，其特征在于，识别模块为扫码器，器械上设置有唯一标识的二维码。
3.用于器械损耗的检测方法，应用于如权利要求1或2任一项所述的用于器械损耗的检测系统，其特征在于，包括：
S1、使用人工智能算法，构建器械检测模型和器械状态检测模型分别作为器械检测模块和器械状态检测模块；
S2、构建器械有效期时长数据库和无损坏器械样本数据库；
S3、识别模块识别器械上的唯一标识；
S4、数据采集模块实时采集手术视频，并将手术视频分别导入器械检测模块和器械状态检测模块；
S5、器械检测模块识别手术视频中的器械种类；
S6、器械状态检测模块根据器械检测模型的识别结果和手术视频检测器械的损坏情况；
S7、时长分析模块对器械的当下使用时长进行同步统计，中央处理器根据云端服务器同步的器械的历史累计使用时长和当下使用时长，分析器械的当下累积时长和还可继续使用的时长；
S8、当中央处理器分析到器械的当下累积时长超过器械有效期时长数据库记录的规定时长，或器械发生损坏时，检测装置发出告警信息。
4.根据权利要求3所述的用于器械损耗的检测方法，其特征在于，在S1中，根据历史手术视频采用YOLOX多目标检测算法的构建器械检测模型，构建器械检测模型时使用SimOTA方法计算预测结果与标签对的匹配度，表示为 
，其中λ为平衡系数，/>
、/>
分别表示预测结果和标签的类别损失和检测框损失。
5.根据权利要求3所述的用于器械损耗的检测方法，其特征在于，器械状态检测模型包括两个特征提取网络和输出层，两个特征提取网络的权重共享，两个特征提取网络的输出同时作为输出层的输入，输出层用于计算两个特征图之间的相似性度量，表示为
，其中X1，X2为样本对中两个样本，EW(X1，X2)表示X1、X2之间的相似性度量。
6.根据权利要求5所述的用于器械损耗的检测方法，其特征在于，在S1中，训练人工智能算法构建器械状态检测模型时，训练中使用对比损失计算预测结果和标签之间的差距，表示为：
，其中L表示单个样本对的损失，Y和Q为EW的上限，e为自然常数，Y为可变常数，当样本对来源相同时为0否则为1。/>
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310121814.XA CN115862833A (zh) | 2023-02-16 | 2023-02-16 | 用于器械损耗的检测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310121814.XA CN115862833A (zh) | 2023-02-16 | 2023-02-16 | 用于器械损耗的检测系统及方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115862833A true CN115862833A (zh) | 2023-03-28 |
Family
ID=85658201
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310121814.XA Pending CN115862833A (zh) | 2023-02-16 | 2023-02-16 | 用于器械损耗的检测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115862833A (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106027664A (zh) * | 2016-06-29 | 2016-10-12 | 上海吉功信息技术有限公司 | 医疗设备运行管理系统及方法 |
| CN107784310A (zh) * | 2017-11-08 | 2018-03-09 | 浙江国自机器人技术有限公司 | 设备状态信息获取方法、装置、系统、存储介质及机器人 |
| CN110764441A (zh) * | 2019-09-10 | 2020-02-07 | 山东博鹏信息科技有限公司 | 一种医院设备信息化监控系统 |
| CN113008591A (zh) * | 2021-03-10 | 2021-06-22 | 山东大学 | 一种基于物联网的设备全生命周期监测方法及系统 |
| CN114821665A (zh) * | 2022-05-24 | 2022-07-29 | 浙江工业大学 | 一种基于卷积神经网络的城市人流小目标检测方法 |
| CN115054374A (zh) * | 2022-06-24 | 2022-09-16 | 上海微创医疗机器人（集团）股份有限公司 | 基于ar的手术机器人现场故障排除系统及方法、存储介质 |
-
2023
- 2023-02-16 CN CN202310121814.XA patent/CN115862833A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106027664A (zh) * | 2016-06-29 | 2016-10-12 | 上海吉功信息技术有限公司 | 医疗设备运行管理系统及方法 |
| CN107784310A (zh) * | 2017-11-08 | 2018-03-09 | 浙江国自机器人技术有限公司 | 设备状态信息获取方法、装置、系统、存储介质及机器人 |
| CN110764441A (zh) * | 2019-09-10 | 2020-02-07 | 山东博鹏信息科技有限公司 | 一种医院设备信息化监控系统 |
| CN113008591A (zh) * | 2021-03-10 | 2021-06-22 | 山东大学 | 一种基于物联网的设备全生命周期监测方法及系统 |
| CN114821665A (zh) * | 2022-05-24 | 2022-07-29 | 浙江工业大学 | 一种基于卷积神经网络的城市人流小目标检测方法 |
| CN115054374A (zh) * | 2022-06-24 | 2022-09-16 | 上海微创医疗机器人（集团）股份有限公司 | 基于ar的手术机器人现场故障排除系统及方法、存储介质 |
Non-Patent Citations (2)
| Title |
|---|
| S. CHOPRA 等: "Learning a Similarity Metric Discriminatively, with Application to Face Verification" * |
| ZHENG GE 等: "YOLOX: Exceeding YOLO Series in 2021" * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111225611B (zh) | 用于帮助分析目标对象中的伤口的系统和方法 | |
| US10679054B2 (en) | Object cognitive identification solution | |
| CN108304816B (zh) | 身份识别方法、装置、存储介质及电子设备 | |
| CN108573268A (zh) | 图像识别方法和装置、图像处理方法和装置及存储介质 | |
| CN116311539B (zh) | 基于毫米波的睡眠动作捕捉方法、装置、设备及存储介质 | |
| CN114882039B (zh) | 一种应用于pcb板自动分拣过程中的pcb板缺陷识别方法 | |
| CN108399401B (zh) | 用于检测人脸图像的方法和装置 | |
| CN110456050B (zh) | 便携式智能数字化寄生虫体外诊断仪 | |
| CN110321835A (zh) | 人脸门禁方法、系统及设备 | |
| CN106446791A (zh) | 智慧城市公共监控系统 | |
| CN113990500A (zh) | 一种生命体征参数的监测方法、装置以及储存介质 | |
| CN115862833A (zh) | 用于器械损耗的检测系统及方法 | |
| US10922569B2 (en) | Method and apparatus for detecting model reliability | |
| CN116059601A (zh) | 一种基于智能传感技术的考核训练系统 | |
| CN116109977A (zh) | 基于生产环境的食品卫生检测方法、装置、设备及介质 | |
| CN114495292A (zh) | 身份识别方法、装置、设备及可读存储介质 | |
| CN114550249A (zh) | 人脸图像生成方法及装置、计算机可读介质和电子设备 | |
| CN113920564A (zh) | 基于人工智能的客户挖掘方法及相关设备 | |
| CN114241376A (zh) | 行为识别模型训练和行为识别方法、装置、系统及介质 | |
| CN113470818A (zh) | 疾病预测方法、装置、系统、电子设备及计算机可读介质 | |
| CN113705363A (zh) | 一种特定卫星上行信号的识别方法及系统 | |
| CN114764948A (zh) | 活体检测方法、装置、设备及存储介质 | |
| CN112153320A (zh) | 一种物品尺寸的测量方法、装置、电子设备和存储介质 | |
| CN105657020A (zh) | 一种远程体征数据采集装置 | |
| CN109886378A (zh) | 用于推送信息的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20230328 |