随着我国深入贯彻落实“十三五”医改规划及各项监管措施的推进，整个医疗耗材供应链面临重大变革。2019年，国务院出台《治理高值医用耗材改革方案》，拉开高值耗材全面改革序幕。“取消耗材加成、探索带量采购、规范合理使用、严抓商业贿赂”等改革措施持续推进和落地。骨科耗材作为典型的植入类高值耗材成为政策管控的目标。2020年1月，国家卫健委发布《第一批国家高值医用耗材重点治理清单》，骨板、髋关节假体、脊柱椎体间固定系统等多类骨科耗材进入名单。

利用先进的物联网技术和信息技术（如基于云服务的B2B平台以及院内物流运营管理平台），结合医院实际需求，建立院内精细化管理平台，打通院内信息孤岛，形成数据流、物流、资金流统一的闭环系统，实现医疗耗材全程可追溯，成为近几年医院信息化建设的一个亮点和大势所趋。该类项目，行业内称之为SPD系统（supply、processing、distribution的缩写）。目前众多SPD项目的实践效果显示，对于大部分院内寄售类高值耗材、低值耗材和检验试剂都取得了良好的管理效果，受到医院和行业的认可。但是骨科植入类耗材由于其本身以及流通模式的特殊性，仍然难以达到精细化管理的目标。骨科耗材难管，依然是行业共识和痛点。

 

规格复杂、品牌众多  生产厂商一般专注于某一个细分领域，在该领域深耕多年，形成耗材及配套工具等一系列技术积累，才能在市场上立足。这导致骨科耗材品牌众多，同时一个系列的产品有多种规格。据不完全统计，我国高值耗材的品规数量达百万，其中超过85%为骨科类耗材。

手术种类多样、医生使用习惯性强  骨科手术的不同部位、患者的体型都会影响耗材的选用。一场骨科手术是主刀医生、医疗耗材和手术工具的有机结合，任何环节都会影响最终的手术效果。主刀医生会形成自己的使用习惯和倾向性选择。

耗材更新换代快、专业性强  骨科耗材的材质、工艺、配套的手术工具随着科技的进步不断更新优化，临床医生需要花大量的时间去学习和掌握。

由于以上原因，长期以来形成了骨科耗材独特的流通模式（行业内称之为“跟台模式”）。一般流程如下：医院临床科室在骨科手术排程确定后，以线上或者线下的方式提前通知相应的供应商手术信息；供应商为该场手术准备手术包（包含工具类和耗材类，数量为几十到2~300个物品不等，如图1所示，送达医院的消毒供应室；经过严格的消毒流程后，形成手术包待用，如图2所示；手术包在手术中被打开并使用，手术中消耗的耗材被医院记录，手术包的所有其他物资退还给供应商。

图1  供应商为骨科手术准备手术包

 

图2  经过消毒后待用的骨科手术包

 

骨科耗材管理的难点有：耗材备货一般根据医生指令临时备货，且具体的备货品规和数量主要由供应商根据自己的专业知识遵循“宁多不少”的原则进行备货，确保手术安全。这会导致一个手术包的物资数量和品种非常繁杂；供应商提供的手术包内的物资处于非无菌状态，需要遵循严格的消毒流程后才能使用。这加大了手术包达到医院后验收清点的难度和工作量，人工清点往往流于形式，有很大隐患；手术过程中只记录被消耗的耗材，其他物资全部退回供应商。这里也涉及到一个比对和清点的过程，同样依靠人工，容易出现错误。

通过技术手段，能够解决骨科耗材的自动识别和清点，将有效解决这一个痛点，进一步提高骨科耗材的精细化管理。

 

上海赋拓物联网技术有限公司经过两年的持续探索，和相关医疗机构紧密合作，研发了一款专门针对骨科耗材的计算机视觉自动识别设备，如图3所示，取得了良好的实际效果。

图3  计算机视觉自动识别设备

 

该终端设备通过网络与SPD信息系统组成了一个中心化、分布式相结合的管理系统。其中，数据中心化，计算边缘化是该系统的典型特征。骨科耗材的基础数据，如生产厂商、耗材品名、耗材品规数据等存储在信息系统中，且该系统与UDI数据库实现互通。在终端设备中引入边缘计算，使用计算机视觉技术，包括数字成像技术、数字图像处理技术、图像模式识别技术、人工智能技术等，以此代替人工目检、人工检索、人工录入等繁琐费时地重复性工作，大幅提升工作效率。此外，该方式降低了对操作人员的专业性要求。

计算机视觉技术，是一门涉及多知识领域的交叉学科，涵盖的技术内容繁多，在骨科耗材管理应用中需要解决诸多技术难点。

计算机视觉技术所使用的成像技术主要是围绕着CMOS/CCD感光器件的成像系统，主要包括以下几个方面：

相机  在自动化设备中主要是工业相机，它们使用的感光芯片主要为CMOS/CCD两类。CCD在色彩还原度、动态范围、灵敏度方面比CMOS好；CMOS的分辨率全面超越CCD，目前CMOS芯片可轻易达到4K以上分辨率，而CCD一般最大只能达到2K；CMOS主要为卷帘曝光，适合拍摄静态物体，CCD则支持全局曝光，可拍摄运动物体。因此选择相机主要考虑分辨率要求、光源情况以及运动拍摄要求。

镜头  大部分情况下建议使用无畸变或低畸变镜头，其次需要与相机感光芯片分辨率一致，最后根据物理视场的大小选择合适的焦距。

光源  经过多次实验，我们选择使用球积分光源用于骨科耗材成像。球积分光源采取半球状漫反射面，将底部环形光发出的光线均匀反射到光源发光口，面分布均匀性，方向均匀性都很好，可以将骨科耗材表面照射出比较均匀的效果。通过以上设计，该设备对骨科耗材的成像可满足成像一致性、成像质量、成像分辨率三方面的要求。

为了从原始图像中分离出每个骨科耗材的图像，需要对原始图像执行多个处理步骤：

建立ROI（感兴趣区域）选区  将该区域从原始图像中分离出来，作为后续处理的输入图像。

调整图像尺寸  4K相机的输入像素达到1000万以上，建立的ROI选区像素数量也可以高达800万以上，这样庞大的像素数量不利于后续图像处理算法的应用，因此，需要通过插值算法调整图像尺寸，减少像素数量。

形态学处理  图像形态学处理主要包括腐蚀、膨胀及开闭运算，它们都是使用特定的卷积核对原图进行卷积运算，改善图像质量。

图像二值化  为了将骨科耗材图像从原始图像中分离，采用前景背景分离方法，即将骨科耗材的图像标记为前景，其他图像标记为背景，采用阈值化法，得到一个仅包含前景与背景的二值化图像（黑白图像）。

轮廓提取  在前述步骤的二值化图像中提取轮廓（点集）。为了提高轮廓提取的精度，通常应该结合二值化提取与Canny算法提取，并在必要的时候使用形态学处理。

图像提取  在得到骨科耗材轮廓后，便可通过轮廓的点集构建一个图像蒙板，蒙板的大小和原始图像一致，对蒙板与原始图像可执行点乘操作，即可提取骨科耗材图像。将图像存储为JPG文件，放入图像数据库中，后续用于查看、匹配等操作。

在骨科耗材管理应用中，使用SIFR算法提取骨科耗材照片的特征点，按照特征点质量优劣选取前100个特征点的描述符，存储在骨科耗材的特征文件中。当需要进行模式识别时，分别得出两张照片的特征点描述符集合，对这两个集合计算接近程度，如果接近程度大于某个阈值，则可以认为它们是同一个东西。为了提升匹配性能，使用FLANN算法进行快速匹配，使得匹配速度可以达到毫秒级的程度。

目前该设备及系统已经完全实现了对骨科耗材及钉盒的全流程业务处理。所有项目中采集的耗材品规数据自动会上传到云端数据库，这些数据在新的医院完全可以直接使用，而不需要重新采集。单一匹配速度可以达到毫秒级，提升了系统可用性。整个系统在很大程度上取代人工繁琐费时的重复性工作，大幅提高工作效率，降低了对操作人员的专业性要求，提升了准确性与时效性。

未来，在该技术的基础上可进一步增加骨科耗材的传输、分拣、分包、赋码等设计，扩大该设备的应用场景。

左彦波 徐杰

（作者单位：上海赋拓物联网技术有限公司）