一、项目基本情况
A包:关于认知障碍面部识别及言语分析软件开发
B包:内镜下智能识别鼓膜及声带的软件开发
C包:离心机
分包采购
A.关于认知障碍面部识别及言语分析软件开发参数
(一)产品名称:关于认知障碍面部识别及言语分析软件开发
(二)产品性能、结构组成:
本项目旨在拟开发关于定量分析患者关于颈部淋巴管-静脉吻合手术(LVA)手术前后的语言认知功能及面部容貌改变的软件,并进行对比分析,同时对患者的预后情况进行追踪,以及为该手术效果的评估提供科学依据。
本项目的数据由四部分构成:患者基础资料、日常交流能力、面容特征、认知功能评估以及自发性语言表达。数据采集内容及标准如下:
1.患者基础资料
患者基础资料涵盖入院时采集的性别、年龄、籍贯、居住地(县区)、临床诊断以及(矫正后)视力及听力是否正常等信息,以及在院内及出院后的(药物等)治疗情况。同时,留存患者本人或家属签署的知情同意书。
2.日常交流能力
在家属陪同下,评估患者的日常交流能力。评估形式为患者与一名指定医护人员之间的自然对话,并在医生和患者旁边设置手机进行横屏录像,画面中应始终保持至少完整地捕捉到患者、医护人员以及家属的上半身影像,并确保能够清晰地记录下患者的声音、面部表情及肢体动作,而医护人员与家属的影像可以是背影。在对话过程中,应尽可能确保周围安静,患者可以采取仰卧、侧卧、坐姿或站立等不同体位。交谈中,对话细节与对话方式可以保持自由,但必须涵盖以下内容:
在简短问候之后,医护人员向患者提出以下问题:1. 您今天心情怎样?;2. 您昨晚睡得怎样?;3. 您知道这位是谁吗?(同时指向患者家属);4. 您有什么想问我的吗?。
评估过程中,除非患者长时间无法正常表达,否则应尽量避免打断患者。患者回答后,医护人员可提供简短的反馈。在问答过程中,家属可以适度参与以提供协助。
3.面容特征
面容检查仪由医生或在医生指导下,对患者的头面部进行信息采集和测量,供医生参考用。本项目通过采集(拍摄)患者的面部图像数据,对拍摄图像中的面部进行人脸识别,进而测量头面部相应的特征指标信息。面容检查仪由主机和软件组成,控制方式为鼠标键盘控制。
4.认知功能评估
在进行认知功能评估时,采用MMSE量表进行测评,并对测评过程进行完整录像(画面不包含家属,其他要求同上),以便分析患者在测评过程中的语言认知表现。患者病情允许时,量表评估应尽可能完整。评估开始后,若患者明显不能完成评估,仍然需要对评估中断前的过程录像,然后由经验丰富的医护人员根据实际情况赋分。
5.自发性语言表达
使用Goodglass和Kaplan(1983)设计的The Boston Diagnostic Aphasia Examination量表中的偷饼干图(Cookie Theft)评价患者的自发性语言表达能力,并进行录像(要求同上)。标准提示语为:请尽量用普通话以完整句子的形式说出图片上发生的故事,可根据患者情况进行调整。患者长时间沉默时,医护人员及家属可以适当鼓励引导,但不可以提示。即使患者无法讲出任何内容,仍然必须录像。
(三)采集时间表
数据类别 | 采集时间 | |
基础信息 | 性别、年龄、籍贯、居住地(县区)、临床诊断、(矫正后)视力及听力是否正常 | 入院时 (或首次语言认知功能数据采集前) |
已使用的治疗手段(药物等) | 每次语言认知功能数据采集前 | |
语言认知功能 | 日常交流能力(自然对话录像) | 手术前、手术后2h内、手术后24h、48h、72h、手术后一周、手术后一月 |
面容特征 | ||
认知功能评估(MMSE录像) | ||
自发性语言表达(偷饼干图录像) |
B.内镜下智能识别鼓膜及声带的软件开发参数
(一)产品名称:内镜下智能识别鼓膜及声带的软件开发
(二)产品性能、结构组成
拟开发一种高效、准确的计算机视觉算法,以辅助临床医生在喉部内窥镜的诊断过程进行病变区域的识别,以及在鼓膜积液的治疗过程中进行鼓膜置管术。提高诊断及治疗的精确性和安全性,降低人为失误带来的风险,为未来的医疗技术创新提供新的思路和方法,进一步推动医疗行业的智能化和精准化。
1.软件的主要功能
1.1利用嵌入式软件通过集成先进的计算机视觉技术,拟实现耳内镜下鼓膜置管手术中置管点的自动精确定位,识别图像中关键的辅助点、提取耳廓轮廓;结合辅助点与耳廓信息,计算出精确的置管点坐标。
1.2利用嵌入式软件通过集成先进的计算机视觉技术,拟实现一项新型跨领域多任务联合学习算法用于喉内镜图像的疾病分类和病变区域分割任务,通过联合学习来连续的优化算法对病变区域模式分区的理解;引入高级文本语义在两项自监督学习任务中实现监督病变区域模式的分布优化与模式选择。
2.技术特点
2.1拟利用复杂的几何关系和坐标转换,算法能够在耳内镜图像中精准定位置管点,大幅提高手术的精确性和安全性,展示出人工智能在医疗精确定位中的应用效果。
2.2拟采用算法提取喉部内窥镜图像的模态特征,并实现在单一全局标签下的喉部内窥镜静态图像中精准分割病变区域,大幅降低如今人工智能方法对于标签的强依赖性,优化了诊断过程的精确性和安全性,体现了人工智能在医疗行业中优良的应用前景。
3.运行环境参数
3.1内镜下智能识别鼓膜软件
文章推荐:
山东港口陆海装备集团日照公司控制系统r-gc-pd-2024-006采购项目采购公告