python flask做网站/网站运营指标

相信绝大部分人都有在医院拍X光片的经历，它能够让医生更方便快速地找出潜在问题，判断病人健康状况，是医疗诊断过程中的常见检查方式。但同时X射线也是一把双刃剑，它的照射量可在体内累积，对人体血液白细胞有杀伤力，对甲状腺、肾腺、性腺等内分泌腺体影响尤大。孕妇、儿童及恶性肿瘤患者更是X射线的“高危人群”。

考虑到 X 射线的潜在危害，监管部门对此领域也非常重视。医疗放射卫生监管主要侧重三个方向：一是资质，二是设备，三是从业人员。然而设备监测等方式往往是事后发现问题，一旦出现辐射泄露，就已经造成了医疗事故。因此，监管机构越来越将目光放到从业人员监督上，希望通过对人员操作规范的监督，更好地保障患者医疗放射检查安全。

我国早在2002年卫生部颁发的《放射工作卫生防护管理办法》以及2006年国家卫健委颁发的《放射诊疗管理规定》中也明确了相关防护要求：放射诊疗工作人员对患者和受检者进行医疗照射时，对邻近照射野的敏感器官和组织进行屏蔽防护，并事先告知患者和受检者辐射对健康的影响。据了解，病人穿上防护服检查时，99%以上的散射光都可以防护掉，能够极大降低这一医疗检查方式带来的潜在风险。

河南中盟新云，一家为卫生部门提供信息化建设与软件解决方案的公司，基于飞桨企业版 EasyDL 零门槛 AI 开发平台，训练出放射用具穿戴识别模型，并在此基础上研发医疗放射防护 AI 智能在线监管系统。该系统可自动识别在放射检查过程中患者是否使用防护用品，为医院放射诊疗工作人员增加一道“双保险”。还可将监测数据上传至医院及地方卫健委监督监测中心，为医疗放射卫生监督执法提供依据，有效规范医疗机构行为，使受诊者避免由于医护人员操作疏漏而遭受到射线风险。

以“从业人员监管”为切入点

用 AI 为老百姓做实事

为什么会存在不穿戴放射防护装备的情况？这和防护装备特性息息相关。一般的放射防护用品如防护围裙、防护帽、防护围脖等均含铅，相对较重，穿戴不便，很多时候还需放射诊疗工作人员来帮助受检者穿戴。这就导致受检者穿防护服所花费时间，甚至会长于拍普通 X 光片的时间。在医院放射科相对繁忙的时间段，尤其是赶上患者较多的时候，一些工作人员往往顾不上检查和提醒义务，导致患者们在不知情的情况下承受风险。

“监管部门在监督过程中，对从业人员的监管往往是感到力不从心的，”中盟新云技术负责人崔涛介绍到，“受制于人力与时间成本等因素，目前监管部门以巡检或突击检查方式为主，这就很难覆盖到每一次的放射诊疗。因此，我们就设计研发了这个系统，来帮助医疗卫生监督机构更好地进行从业人员监管，为老百姓实实在在做一些好事。目前这在河南省范围来说，是第一次。”

立足于河南省“智慧卫监”的探索方向，中盟新云创新性地将 AI 图像识别技术运用到放射防护监管领域中。据调查，当时市面上流行的通用图像识别模型缺乏针对性训练，仅能识别是否有人，无法精准的识别出是否穿戴防护用具，更无法识别数十种之多的防护用具品类、不同医院使用的不同制式。而业内做得比较好的大公司对此类项目缺乏重视，虽有尝试，但专业研发人员投入不足，最终效果也不理想。中盟新云希望能够结合自身对于行业的深刻洞察，让专业的行业知识快速与 AI 能力结合，从而更好地解决这一问题。

飞桨Easy DL助力无算法工程师团队

自研高精度模型

中盟新云针对医疗放射防护人员监督的整体解决方案设计如下：

• 定制化训练高精度AI模型，能够识别防护用品使用情况；

• 在医疗机构放射科室部署抓拍摄像头，通过对放射检查过程的视频分析进行精准的受检场景抓怕；

• 通过模型分析该场景中受检者是否正确穿戴防护设备，自动对识别结果进行风险等级分类并主动与预警；

• 监督中心监管大屏实时显示预警信息，同时该预警信息自动下发至被抓拍的放射科室操作员手机端，操作人员可以对高风险预警信息进行申诉。

技术方案流程图

然而在第一阶段的模型开发训练上，团队犯了难。由于没有算法工程师，之前如果遇到 AI 类需求，只能与高校进行合作，但高校合作的开发进度往往无法满足客户的需求。从头招聘资深的算法工程师并不现实，不仅短时间内人才难寻，相匹配的费用开支也不低。后来团队又联系到一家公司打算定制开发一套模型，而对方却报价几十万，最终也只得无奈放弃。就在一筹莫展的时候，中盟新云寻找到了飞桨 EasyDL 零门槛 AI 开发平台。

“真的是非常简单易用，满足了我们‘定制’和‘零门槛’的需求。”崔涛介绍到，“我们用自己的数据在飞桨 EasyDL 上训练模型，全程只需选择和配置，操作非常简单。训练好的模型还提供丰富的部署方式，直接调用接口或者线下部署就可以调用模型能力，满足我们的需求。完全是一个开箱即用的体验。这对我们而言就已经没有任何难度了。”

飞桨 EasyDL 零门槛 AI 开发平台预制了高精度的预训练大模型 VIMER-CAE ，它是百度文心大模型 VIMER 系列的 CV 自监督预训练大模型，训练数据过亿，覆盖广泛行业场景。自监督视觉表征学习 VIMER-CAE 大模型创新性地提出“在隐含的编码表征空间完成掩码预测任务”的预训练框架，在图像分类、目标检测、语义分割等经典下游任务上达到 SOTA 结果。用户只需要使用相对少量的自身场景数据，在 EasyDL 平台依托其底层预训练通用大模型，快速训练高可用小模型，再通过公有云接口或者私有化部署调用模型能力。中盟新云整体方案采用“预训练+微调”的新范式，基于互联网海量的无标签数据对 VIMER-CAE 模型进行自监督学习方式训练，通过少量数据进行下游任务的模型训练。

最终，中盟新云团队每个标签仅使用100+张训练数据，共1000张左右图片，便训练出照片抓拍精准情况下识别精度达95%的模型，并基于模型开发出医疗放射防护AI智能在线监管系统。该系统在多种X射线检测场景中（如 CT 设备、DR 设备、CR 设备、X 射线胃肠机等），可识别出铅帽、铅裙、铅方巾、铅围脖、铅屏风等多种防护用具是否被使用，实现了对医疗放射防护行为的自动识别与监测，为后续的进一步监管提供了基础。

应用示例

持续赋能医疗卫生领域

为病患带来健康与安全

目前，中盟新云研发的医疗放射防护AI智能在线监管系统已深入服务于河南省内各县区的卫健委、监督局，在河南省内覆盖了郑州市和各县区广泛的一二三级医院，并在河南滑县、兰考县两个县区全部140余家医疗机构应用。在河南全省属独一份。

该智能监控系统的使用解决了卫生监督单位无法持续监管医疗机构放射防护情况的难点。不仅实现对医疗放射防护行为的自动识别，同时可以对识别结果进行初步的评估和判断，识别到风险行为后可以在监督指挥中心进行实时预警提醒。对真实发生的医疗违规行为也可以进行相应的录像取证作为执法依据，后续分析结果可用于指导放射卫生工作的不断改进，帮助政府机构高效执法，有效规范医疗机构行为，同时更是保护了受诊者的身体健康。

“之前总是会看到患者不穿防护装备的情况，等到我们把系统装上以后，监管部门的工作也更方便开展，穿戴防护设备这件事在医疗机构中得到了更大程度的重视。”崔涛谈起这一点表示非常欣慰，“目前的防护设备穿戴率已经越来越高了。希望通过我们的系统和监管的双赋能，让更多老百姓拥有更加安全的医疗环境。”

未来，中盟新云也将持续使用 AI 来服务医疗监管领域，除了医疗放射防护场景，还在医美医师资质审核、手术流程标准化等数十余种医疗监管场景持续赋能，助力监督执法部门的监查工作提效，为人民群众带来更加公开透明和安全的医疗环境。飞桨 EasyDL 零门槛 AI 开发平台也将持续与医疗领域中小企业携行，助力医疗卫生行业智能升级，为行业参与者和病患提供更多安全与便利。

往期推荐

飞桨EasyDL落地三大工业场景，工业AI赋能产业升级

效率提升98%！高海拔光伏电站运维巡检背后的AI利器

立体仓库货物识别率99.9%！AI让仓储管理事半功倍