[发明专利]一种基于深度学习的内镜清洗消毒质量控制系统及方法

说明书

本发明公开了一种基于深度学习的内镜清洗消毒质量控制系统及方法，系统包括图像采集装置、用户终端、服务端；图像采集装置设置在内镜清洗水槽附近，采集内镜清洗消毒工作人员操作图像，并将采集的图像通过网络传输给用户终端；用户终端将采集的图像通过网络传输给服务端，并接收和显示服务端反馈的分析结果；服务端，采用REST架构，根据从用户终端传输的图像，即时判断内镜清洗消毒工作人员操作图像对应的操作及操作特征，将分析结果反馈给用户终端。本发明对内镜清洗质量进行监控，最终实现了减少医院感染、提高内镜检查质量的目的。

技术领域

本发明属于图像识别技术领域，涉及一种内镜清洗消毒质量控制系统及方法，具体涉及一种基于深度学习的内镜清洗消毒质量控制系统及方法。

背景技术

近年来，内镜的使用日益广泛，已成为医疗单位必不可少的检查和治疗设备。作为一种深入人体腔内的仪器，清洗不彻底会导致医院感染发生；不当的消毒还会堵塞管腔，在内镜表面形成黄斑，影响医生观察操作；内镜结构精细，清洗消毒不规范还会加速内镜老化。因此，提高内镜的清洗消毒质量，值得引起每个开展内镜诊疗工作的医疗机构重视。现有的内镜清洗消毒质量追溯系统解决了清洗消毒流程顺序错误，清洗消毒时间不足等问题，具有实时监控，错误预警功能。同时该系统将相应的内镜清洗消毒操作过程及信息存储在PC服务器的数据库中，便于医患双方查询，实现了数据追溯功能。虽然该系统规范了操作流程、确保各步骤完成时间，但是在各清洗消毒步骤中还可能存在操作动作不规范的问题。

发明内容

为了解决上述技术问题，本发明提供了一种基于深度学习的内镜清洗消毒质量控制系统及方法，规范清洗消毒人员操作动作，实时监控，及时提醒，确保内镜清洗消毒质量。

本发明的系统所采用的技术方案是：一种基于深度学习的内镜清洗消毒质量控制系统，其特征在于：包括图像采集装置、用户终端、服务端；

所述图像采集装置设置在内镜清洗水槽附近，采集内镜清洗消毒工作人员操作图像，并将采集的图像通过网络传输给所述用户终端；所述用户终端将采集的图像通过网络传输给所述服务端，并接收和显示所述服务端反馈的分析结果；所述服务端根据从用户终端传输的图像，即时判断内镜清洗消毒工作人员操作图像对应的操作及操作特征，将分析结果反馈给用户终端。

本发明的方法所采用的技术方案是：一种基于深度学习的内镜清洗消毒质量控制方法，其特征在于，包括以下步骤：

步骤1：获取训练图像集，包括侧漏、刷洗、初洗、酶洗、漂洗、消毒、终末漂洗、干燥八个步骤每个操作步骤内包含的全部操作特征图像；

步骤2：使用所述训练图像集，训练卷积神经网络模型得到训练后的卷积神经网络模型；

步骤3：图像采集装置采集内镜清洗消毒工作人员操作图像，并通过用户终端传输到服务端；

步骤4：服务端将接收到的图像作为参数调用卷积神经网络模型进行特征的判断，得到分析结果反馈给用户终端；

步骤5：用户终端接收和显示服务端反馈的分析结果。

与现有的内镜质量追溯技术相比，本发明在内镜清洗消毒质量溯源系统中增添了深度学习元素，对清洗消毒内镜工作人员的操作动作进行操作特征识别，确保清洗消毒动作的规范性。当工作人员动作不规范时，本发明及时进行预警提醒，保证了内镜清洗消毒的质量，最终实现减少医院感染、提高内镜检查质量的目的。

附图说明

图1为本发明实施例的系统结构框图；

图2为本发明实施例的方法流程图；

图3为本发明实施例中卷积神经网络模型训练流程图。

具体实施方式