鼻饲术智能考核系统
案例介绍
OBB旋转目标检测（19类医疗器械逐项识别）、MediaPipe手部关键点检测（双手分区定位+持续时长判定）以及DTW动态时间规整（操作动作序列分析）等多种AI检测技术，实现对护生操作动作的毫秒级自动判定。同时集成阿里云DashScope实时语音识别（ASR ）与通义千问大语言模型（LLM）评分引擎，对术前查对、术前沟通、体位选择、安抚患者等语音环节进行语义理解与百分制打分。后端采用无状态步骤调度架构，支持多步骤并行检测互不干扰，通过SSE（Server-Sent
Events）实时向业务后端推送检测结果、步骤得分及耗时。模型启动时统一预加载，步骤间共享HandLandmarker/YOLO/GestureRecognizer实例，有效降低内存占用和冷启动延迟。
鼻饲术智能考核系统
案例介绍
独立完成基于Flask和计算机视觉的鼻饲术操作技能自动化考核系统，覆盖15个临床操作步骤的全流程智能评分。系统接入4路RTSP摄像头实时采集视频流，集成MediaPipe手势识别（七步洗手法逐步骤判定）、YOLO
OBB旋转目标检测（19类医疗器械逐项识别）、MediaPipe手部关键点检测（双手分区定位+持续时长判定）以及DTW动态时间规整（操作动作序列分析）等多种AI检测技术，实现对护生操作动作的毫秒级自动判定。同时集成阿里云DashScope实时语音识别（ASR ）与通义千问大语言模型（LLM）评分引擎，对术前查对、术前沟通、体位选择、安抚患者等语音环节进行语义理解与百分制打分。后端采用无状态步骤调度架构，支持多步骤并行检测互不干扰，通过SSE（Server-Sent
Events）实时向业务后端推送检测结果、步骤得分及耗时。模型启动时统一预加载，步骤间共享HandLandmarker/YOLO/GestureRecognizer实例，有效降低内存占用和冷启动延迟。
案例图片
相似案例推荐
-
陪诊小程序及后台管理系统
本次完成陪诊小程序及配套管理后台的整体开发工作。小程序面向用
-
陪诊小程序及后台管理系统
本次完成陪诊小程序及配套管理后台的整体开发工作。小程序面向用
-
task-automation
本系统通过 API Gateway + Workers 微服
-
数字人ai多模态
基于 Vue3 + JavaScript + Element
-
天文ai
该项目是一个集科普教育、作品展示、专家互动于一体的垂直领域社
-
灵境
这个项目采用模块化架构设计，支持任务的增删改查、状态切换、多
1小时精推人才
需求方专属客服，免费梳理匹配
