深圳某医院内窥镜 AI 辅助手术项目

采用 CAD 辅助医师诊断进行消化道系统检查，包括操作质量检测、病变检测和分类，一方面可以在一定程度上提升肠道息肉的检出率，从而降低漏诊率；另一方面可以加快每次诊断的时间，从而提升对病人的检测效率。
本项目拟构建人工智能辅助的消化道内窥镜实时定位和检测系统。前期甲方构建了基于卷积神经网络的消化系统图关键位置定位算法和病变检测分割的算法。基于此系统现需要对已有算法进行包装，构建可用于临床测试的系统，并整理此项目中涉及用于系统接口，以便于后续平台开发。

其中系统的构建关键点包括但不限于以下方面：
（1）稳定性，内窥镜检测对稳定行要求极高，如果发生系统故障，稳定性为第一位；同时，如果发生系统错误，需要设计退出机制或其他容灾机制。若为原内窥镜显示屏直接展示识别结果，则首要原则为不能干预原设备信号输出。（本项目为使用独立显示器显示，有独立的输出信号通路）。
（2）实时性，即系统检测到输入信号之后，可以同步输出检测结果（本项目有多个深度学习辅助识别模型，但其中对实时性要求最高的是目标检测模型，定位后续的子分类识别模型实时性要求较低，可容纳一定的计算延时）。
（3）易用性，不需要过多的信息采集页面，只要医生在病人检查时提前打开设备或者提前调用显示页面，即可使用。无需独立培训。后续如拓展信息采集功能可以直接开发与 HIS 系统对接采集信息的模块。
（4）兼容性：设计模式主要是与内窥镜系统的兼容，现有内窥镜及后续的视频采集策略均较为成熟。后续的再开发需要考虑与不同医院与内窥镜相关的系统兼容性。
内容包括：对接医疗设备硬件，数据链路构建，系统可用性研发，AI 大模型训练安装部署，手术操作设备机电一体化方案。