用自动计算机视觉解决方案推进工业检查,用于整形外科手术托盘检查
Reyhaneh Nosrati1, Nastaran Emaminejad1, Suchitra Ganapathi1
1Digital and Data Science, Johnson and Johnson, New Brunswick, USA.
Scientific reports
|March 6, 2025
概括
这项研究使用人工智能自动化了骨科植入物托盘检查. 一个YOLOv7对象检测模型和LoFTR算法显著减少了检查时间,并提高了组件验证的准确性.
科学领域:
- 计算机视觉 计算机视觉
- 医疗器械检查检查 医疗器械检查
- 人工智能的人工智能
背景情况:
- 手动检查骨科植入物托盘是耗时且容易出现错误的.
- 借款托盘包含许多组件,需要精确放置以确保患者的安全.
研究的目的:
- 开发一条自动端到端管道,用于检查骨科关节重建器械.
- 提高托盘检查过程的效率和准确性.
主要方法:
- 训练了一个你只看一次 (YOLOv7) 对象检测模型,在1039个组件类上使用定制的损失和非最大抑制 (NMS) 函数.
- 实现了基于局部特征匹配与变压器 (LoFTR) 的算法,用于托盘布局验证.
- 从74个培训托盘收集了视频数据,并对139张图像进行了评估.
主要成果:
- 实现了0.94 ± 0.10的平均平均精度 (mAP@0.5) 和0.05 ± 0.08.08的错误阳性率.
- YOLOv7-X架构的性能比Faster-RCNN-ResNet101的性能优于24%.
- 减少了47.3%的检查时间,并为工业应用提供了高可扩展性.
结论:
- 拟议的人工智能驱动的管道有效地自动化了骨科借款托盘检查.
- 与手动方法相比,该系统显示出高精度和显著的时间节省.
- 这种解决方案为工业集成提供了可扩展和强大的方法.
