所属领域：

智慧医疗与健康

成果简介：

系统采用YOLO算法，该算法以其高效的目标检测能力广泛应用于实时物体检测任务。YOLO的优势在于它能够同时完成物体的分类与定位，因此非常适合用来识别肠道准备图像中的排泄物特征。系统采用自定义数据集进行训练，数据集包含各种肠道准备图像，包括合格和不合格的肠道准备情况。在图像标签化时，区分了“合格”（即合格排泄物的图像）和“不合格”（即不合格排泄物的图像），以及加入“错误图片”识别（即无排泄物或其他异常情况的图像）。如果图像中没有检测到任何排泄物，系统会标记为“错误图像”并反馈给用户，提示重新拍摄或修正图像。本系统的YOLO模型经过多次优化和微调，能够在95%以上的准确率下判断肠道准备的合格与否。系统在标准硬件配置下，能够在1秒内完成单张图像的处理和结果输出，满足实时性要求。

该系统主要应用于湘雅医院（三甲医院）结肠镜检查前的肠道准备质量评估，通过分析患者的肠道影像图片，判断其肠道准备情况是否合格，从而为医生提供准确的参考依据，确保结肠镜检查的准确性和有效性。在体检中心，该系统可用于大规模人群的肠道健康筛查，快速识别出肠道准备不合格的个体，提醒其重新准备，提高体检的效率和质量。结合远程医疗技术，该系统可以部署在基层医疗机构或偏远地区，通过互联网传输患者的肠道影像图片，由专业人员在远程端进行分析和判断，为当地患者提供及时的肠道准备评估服务。随着人们对肠道健康重视程度的提高以及结肠镜检查需求的增加，该系统在医院的消化内科、胃肠外科等科室具有广阔的市场应用前景。

合作方式：

技术转让

联系方式：

成果转化部，020-88322793，tto@pazhoulab.cn