基于无损检测的实时手术器械缺陷检测
计算机视觉与模式识别
2025-10-17 v1 人工智能
摘要
次级手术器械缺陷会增加并发症风险，影响器械的防疱性、机械完整性及患者安全。然而，手术器械制造中的质量控制往往依赖人工检查，易受人为错误和不一致性影响。本研究引入 SurgScan，一套人工智能驱动的手术器械缺陷检测框架。采用 YOLOv8，SurgScan 能实现对缺陷的实时分类，确保高准确率并具备工业可扩展性。该模型在由 102,876 张高分辨率图像构成的大型数据集上进行训练，覆盖 11 种器械类型和 5 种主要缺陷类别。广泛的评估表明，SurgScan 在多种领先 CNN 架构中取得最高准确率 (99.3%)，且实时推理速度为 4.2-5.8 毫秒/张，适用于工业部署。统计分析表明，对比度增强的预处理显著性地改善了缺陷检测，解决了视觉检查中的关键局限性。SurgScan 提供了一套可扩展且具成本效益的 AI 解决方案，用于自动化质量控制，减少对人工检查的依赖，同时确保符合 ISO 13485 和 FDA 标准，为增强医疗制造中的缺陷检测铺平了道路。
引用
@article{arxiv.2510.14525,
title = {Real-Time Surgical Instrument Defect Detection via Non-Destructive Testing},
author = {Qurrat Ul Ain and Atif Aftab Ahmed Jilani and Zunaira Shafqat and Nigar Azhar Butt},
journal= {arXiv preprint arXiv:2510.14525},
year = {2025}
}