Разработка программного модуля для автоматического распознавания и учета медицинских инструментов на операционном поле с использованием нейросети YOLOv8

Содержание

Введение

Глава 1. Теоретические аспекты функционирования интеллектуальных систем в составе операционного оборудования

1.1. Гносеология применения компьютерного зрения в медицинском приборостроении: от традиционных фильтров к глубокому обучению

1.2. Технический регламент и стандарты безопасности биотехнических систем при интеграции нейросетевых модулей в медицинскую практику

Глава 2. Аналитическое проектирование программно-аппаратного комплекса детекции инструментов

2.1. Синтез алгоритма предобработки оптических сигналов и структуры нейронной сети YOLOv8 для задач медицинской диагностики

2.2. Измерительный тракт системы распознавания: анализ погрешностей и влияние условий освещенности на достоверность данных

Глава 3. Практическая реализация и регламентация работы программного модуля

3.1. Технологическая карта внедрения и настройки модуля распознавания в информационную систему операционного блока

3.2. Разработка методики технического обслуживания и функционального тестирования системы автоматизированного учета в рамках требований Росздравнадзора

Заключение

Список использованной литературы

КУРСОВАЯ РАБОТА

Разработка программного модуля для автоматического распознавания и учета медицинских инструментов на операционном поле с использованием нейросети YOLOv8

ВВЕДЕНИЕ

Актуальность разработки программного модуля для автоматического распознавания и учета медицинских инструментов на операционном поле обусловлена необходимостью обеспечения безопасности хирургических вмешательств и минимизации рисков, связанных с забыванием инструментов в полости тела пациента. По данным Росздравнадзора, ошибки подсчета инструментов составляют до 3% от общего числа зарегистрированных инцидентов в хирургической практике, что представляет значительную медико-социальную проблему [1, c. 15]. Современные биотехнические системы контроля операционного процесса требуют интеграции интеллектуальных алгоритмов компьютерного зрения, обеспечивающих высокую точность детекции медицинских изделий в условиях изменчивого освещения, окклюзий и присутствия биологических тканей в поле зрения оптической системы.

Степень разработанности проблемы в отечественной технической литературе характеризуется наличием фундаментальных исследований в области применения нейросетевых архитектур для задач медицинской визуализации, однако специализированные решения для операционных блоков остаются малочисленными. Работы российских ученых посвящены преимущественно диагностическим системам анализа изображений, тогда как вопросы автоматизации учета инструментария в режиме реального времени требуют дополнительного изучения с позиции соответствия требованиям электробезопасности, метрологической точности и интеграции в существующую информационную инфраструктуру лечебно-профилактических учреждений [3, c. 42].

Цель курсовой работы заключается в разработке и обосновании технического решения программного модуля автоматического распознавания медицинских инструментов на базе нейросетевой архитектуры YOLOv8 с учетом требований нормативно-технической документации и условий эксплуатации в операционных блоках.

Для достижения поставленной цели необходимо решить следующие задачи:

• исследовать эволюцию методов компьютерного зрения в медицинском приборостроении и обосновать применимость архитектуры YOLOv8 для задач детекции инструментов;
• проанализировать нормативно-техническую базу, регламентирующую интеграцию нейросетевых модулей в состав биотехнических систем медицинского назначения;
• провести синтез алгоритма предобработки оптических данных и адаптацию структуры нейронной сети к специфике задачи распознавания инструментария;
• выполнить анализ погрешностей измерительного тракта системы распознавания и оценить влияние условий освещенности на достоверность классификации;
• разработать технологическую карту внедрения и методику функционального тестирования модуля в соответствии с требованиями Росздравнадзора.

Объектом исследования выступает биотехническая система автоматизированного учета медицинских инструментов в операционном блоке.

Предметом исследования являются алгоритмические и метрологические параметры программного модуля распознавания на основе нейросети YOLOv8, обеспечивающие требуемую точность детекции и классификации инструментария.

Методологическая база работы включает теоретические основы обработки изображений и глубокого обучения, расчетные методы оценки погрешностей измерительных систем, инструментальные средства моделирования и тестирования нейросетевых архитектур, а также нормативно-техническую базу: ГОСТ Р МЭК 60601-1-2020, ГОСТ Р 50267.0.2-2013, ТР ТС 017/2011, Федеральный закон № 323-ФЗ, Приказ Минздрава России № 702н.

Научная новизна работы состоит в адаптации архитектуры YOLOv8 к специфическим условиям операционного поля и разработке комплексной методики метрологической аттестации системы распознавания.

Теоретическая значимость заключается в систематизации подходов к проектированию биотехнических систем компьютерного зрения с учетом требований безопасности и достоверности результатов. Практическая значимость определяется возможностью внедрения разработанного модуля в информационные системы хирургических стационаров для повышения безопасности оперативных вмешательств.

Структура работы включает введение, три главы основной части, заключение и список использованной литературы. Первая глава посвящена теоретическим аспектам функционирования интеллектуальных систем в составе операционного оборудования. Во второй главе выполняется аналитическое проектирование программно-аппаратного комплекса детекции инструментов. Третья глава содержит практическую реализацию и регламентацию работы программного модуля.

ГЛАВА 1. ТЕОРЕТИЧЕСКИЕ АСПЕКТЫ ФУНКЦИОНИРОВАНИЯ ИНТЕЛЛЕКТУАЛЬНЫХ СИСТЕМ В СОСТАВЕ ОПЕРАЦИОННОГО ОБОРУДОВАНИЯ

1.1. Гносеология применения компьютерного зрения в медицинском приборостроении: от традиционных фильтров к глубокому обучению

Историческое развитие систем компьютерного зрения в медицинском приборостроении характеризуется последовательным переходом от классических методов обработки изображений к интеллектуальным алгоритмам глубокого обучения. На начальном этапе становления направления, относящемся к 1980-м годам, в отечественной практике применялись системы на основе морфологических операций и пороговой сегментации для выделения границ анатомических структур в рентгенографических снимках [2, c. 78]. Данные методы характеризовались высокой чувствительностью к шумам и требовали существенной предобработки изображений с использованием линейных фильтров, таких как фильтр Гаусса и медианный фильтр, параметры которых подбирались эмпирически для каждого класса задач.

Переломным моментом в развитии технологий стало внедрение в практику методов выделения признаков на основе дескрипторов изображений, среди которых широкое распространение получили алгоритмы SIFT и SURF, обеспечивающие инвариантность к масштабированию и поворотам объектов [4, c. 120]. В российской научной школе, представленной трудами специалистов МГТУ им. Баумана и СПбГУ ИТМО, были разработаны методы адаптивной фильтрации биомедицинских

…