Technical Report: Automated Optical Inspection of Surgical Instruments

Este informe presenta un sistema de inspección óptica automatizada basado en arquitecturas de aprendizaje profundo (YOLOv8, ResNet-152 y EfficientNet-b4) para detectar defectos críticos en instrumentos quirúrgicos fabricados en Pakistán, utilizando un conjunto de datos de 4.414 imágenes y colaborando con líderes de la industria local para mejorar la seguridad del paciente y la calidad de fabricación.

Lo esencial

¡Hola! Imagina que los instrumentos quirúrgicos son como las herramientas de un chef de renombre. Si un chef va a preparar una cena para miles de personas, necesita que sus cuchillos estén afilados, sus tenedores limpios y que no tengan ni un solo rasguño o óxido. Si una herramienta falla, la comida (o en este caso, la cirugía) sale mal y alguien puede salir herido.

Este informe técnico es como un manual de supervivencia para la industria de instrumentos quirúrgicos de Pakistán, escrito por un equipo de ingenieros y expertos médicos. Aquí te explico de qué trata, usando analogías sencillas:

1. El Problema: El "Ojo Humano" se Cansa

En la ciudad de Sialkot, Pakistán, se fabrican millones de estos instrumentos cada año. Son famosos en todo el mundo. Pero, hasta ahora, para saber si un instrumento está defectuoso (con óxido, grietas o agujeros), se dependía de mirar a simple vista a un trabajador.

• La analogía: Imagina que tienes que buscar una aguja en un pajar, pero tienes que hacerlo mirando 100 pajar por hora, con la misma luz y sin descansar. Al final del día, tus ojos están cansados, te distraes y se te escapan las agujas. Eso es lo que pasaba: errores humanos, fatiga y herramientas defectuosas que llegaban a los hospitales.

2. La Solución: Un "Super-Ojo" Digital (IA)

Los autores del informe, trabajando con dos grandes empresas locales (Daddy D Pro y Dr. Frigz), decidieron crear un sistema de inspección automatizado.

• La analogía: En lugar de un humano mirando, instalaron una cámara con un cerebro de computadora (Inteligencia Artificial). Esta cámara es como un detective superpoderoso que nunca se cansa, nunca parpadea y ve cosas que el ojo humano no puede (como un micro-arañazo o un punto de óxido diminuto).

3. ¿Cómo funciona este "Detective"?

El sistema funciona en dos pasos, como un proceso de seguridad en un aeropuerto:

1. Paso 1: ¿Quién eres? Primero, la cámara identifica qué instrumento es. ¿Es una tijera? ¿Un fórceps? ¿Un bisturí?
   • Analogía: Es como el guardia de seguridad que te pide tu pasaporte para saber si eres médico, enfermero o paciente.
2. Paso 2: ¿Estás en buena forma? Una vez que sabe qué es, usa un modelo especial entrenado solo para ese instrumento para buscar defectos.
   • Analogía: Si es una tijera, el detective sabe exactamente dónde buscar el óxido en las hojas. Si es un fórceps, sabe buscar grietas en la punta. No usa la misma "regla" para todos, sino que adapta su mirada.

4. El Entrenamiento: La Escuela de Detectives

Para que este "cerebro" de computadora fuera bueno, tuvieron que enseñarle.

• El Dataset (La Biblioteca de Casos): Recopilaron miles de fotos de instrumentos: algunos perfectos y otros con defectos (óxido, grietas, agujeros).
• La Analogía: Imagina que le muestras a un niño miles de fotos de manzanas. Le dices: "Esta manzana tiene un gusano (defecto), esta está perfecta". Después de ver miles de ejemplos, el niño aprende a distinguir la diferencia al instante. Así entrenaron a la Inteligencia Artificial.

5. La Tecnología: El "Cerebro" Rápido

Probaron varios tipos de "cerebros" (modelos de IA) para ver cuál era el más rápido y preciso.

• El Ganador: Un modelo llamado YOLOv8 (que significa "Solo Miras Una Vez").
• La Analogía: Imagina que tienes que encontrar a un amigo en una multitud.
  • Un modelo lento miraría persona por persona (lento).
  • YOLO da un solo vistazo rápido a toda la multitud y dice: "¡Ahí está tu amigo y ahí está el defecto!". Es rapidísimo y muy preciso.

6. El Resultado: "SurgScan" (El Escáner Quirúrgico)

Crearon una aplicación web llamada SurgScan.

• Cómo se ve: Es como una página web donde un trabajador puede subir una foto del instrumento.
• Lo que hace: En segundos, la computadora dice: "¡Este instrumento está bien!" o "¡Alerta! Este tiene óxido en la punta, no lo uses".
• El beneficio: Ahorra tiempo, evita que se envíen lotes enteros de instrumentos defectuosos a hospitales y, lo más importante, protege la vida de los pacientes asegurando que las herramientas sean seguras.

En Resumen

Este informe cuenta la historia de cómo Pakistán está usando tecnología de punta para salvar su industria de instrumentos quirúrgicos. Pasaron de depender de ojos cansados a usar ojos digitales inteligentes.

Es como cambiar de buscar agujas en un pajar a mano, a usar un imán gigante que encuentra todas las agujas defectuosas en un segundo. El resultado es una cirugía más segura, pacientes más felices y una industria más fuerte.

Resumen técnico

Resumen Técnico: Inspección Óptica Automatizada de Instrumentos Quirúrgicos

1. Planteamiento del Problema
La industria de fabricación de instrumentos quirúrgicos en Pakistán, con Sialkot como su centro neurálgico, es un pilar crucial para las exportaciones del país, generando cientos de millones de dólares anuales. Sin embargo, este sector enfrenta un desafío crítico: la garantía de calidad consistente. La inspección visual manual, el método tradicional, es laboriosa, propensa al error humano, subjetiva y fatigante. Esto resulta en inconsistencias que pueden llevar al rechazo de lotes enteros de exportación o, más gravemente, a la liberación de instrumentos defectuosos que ponen en riesgo la vida de los pacientes (riesgos de infección, fallos estructurales o precisión quirúrgica comprometida). La necesidad de transitar hacia sistemas de detección automatizados, precisos y escalables es imperativa para cumplir con normativas internacionales (ISO, FDA) y mantener la competitividad global.

2. Metodología
El proyecto propone un sistema de Inspección Óptica Automatizada (AOI) basado en visión por computadora y aprendizaje profundo, desarrollado en colaboración con los líderes industriales Daddy D Pro y Dr. Frigz International. La metodología se estructura en las siguientes fases:

• Recopilación y Curación de Datos: Se creó un conjunto de datos robusto con 2,738 imágenes de instrumentos defectuosos y 1,676 imágenes sin defectos. Las imágenes se capturaron en condiciones controladas (iluminación uniforme, fondo verde, cámara Canon EOS 250D) para minimizar variabilidad.
• Preprocesamiento y Aumento de Datos: Se aplicaron técnicas de aumento (rotación, ajuste de brillo/contraste, ruido gaussiano, enmascaramiento no nítido) para simular condiciones del mundo real y mejorar la generalización del modelo.
• Arquitectura de Detección en Dos Etapas:
  1. Clasificación del Instrumento: Identificación del tipo de instrumento (ej. tijeras, fórceps, curetas) para dirigir el flujo de trabajo.
  2. Detección de Defectos Específica: Modelos entrenados específicamente para cada tipo de instrumento para identificar defectos como corrosión, cortes, rasguños y poros. Esto evita falsos positivos derivados de características estructurales inherentes al instrumento.
• Selección de Modelos: Se compararon arquitecturas de vanguardia (EfficientNet-b4, ResNet-152, ResNeXt-101, YOLOv8, YOLOv11) bajo hiperparámetros idénticos.
• Desarrollo del Prototipo (SurgScan): Se implementó una aplicación web de arquitectura de tres capas (Frontend en React, Backend en Django/REST API, Base de datos PostgreSQL) para la gestión de lotes, subida de imágenes y visualización de resultados en tiempo real.

3. Contribuciones Clave

• Conjunto de Datos Especializado: Creación de un dataset anotado por expertos de la industria, enfocado en instrumentos quirúrgicos y dentales fabricados en Pakistán, cubriendo una variedad de defectos manufactureros y de desgaste.
• Enfoque de Modelos Específicos: Demostración de que un enfoque de "un modelo por instrumento" supera a los modelos de propósito general, al adaptar la detección a las texturas y geometrías únicas de cada herramienta.
• Sistema Integrado de IA: Desarrollo de "SurgScan", una herramienta web funcional que integra la clasificación de instrumentos y la detección de defectos en un flujo de trabajo industrial, permitiendo la inspección de lotes masivos.
• Colaboración Industria-Academia: Un modelo de trabajo conjunto entre la Universidad FAST-NUCES y fabricantes líderes para validar la tecnología en entornos reales.

4. Resultados

• Rendimiento del Modelo: YOLOv8 emergió como el mejor modelo, superando a EfficientNet, ResNet y YOLOv11.
  • Logró una precisión de entrenamiento del 99.60% y una precisión de prueba del 99.58%.
  • Obtuvo un F1-Score de 0.9972 y un ROC-AUC de 1.0000 en la clasificación de defectos de instrumentos como las tijeras de vendaje y los fórceps de curación.
  • Ofreció la mejor combinación de velocidad de inferencia (crucial para tiempo real) y alta precisión.
• Validación del Sistema: Las pruebas de API y las pruebas unitarias confirmaron la robustez del sistema, manejando correctamente la autenticación, la validación de datos y la gestión de errores.
• Impacto Operativo: El sistema permite la detección de defectos sutiles (micro-cortes, corrosión temprana) que el ojo humano podría pasar por alto, reduciendo significativamente el riesgo de errores humanos.

5. Significado e Impacto
Este trabajo representa un cambio de paradigma en la industria de instrumentos quirúrgicos de Pakistán. Al automatizar la inspección de calidad:

• Seguridad del Paciente: Se mitiga el riesgo de infecciones del sitio quirúrgico y complicaciones postoperatorias causadas por instrumentos defectuosos.
• Eficiencia Industrial: Se reduce el tiempo de inspección, se minimizan los rechazos de lotes y se optimizan los procesos de producción.
• Competitividad Global: Facilita el cumplimiento de estándares internacionales estrictos, fortaleciendo la posición de Pakistán en la cadena de suministro médica global.
• Escalabilidad: La solución propuesta es escalable y adaptable a otros tipos de dispositivos médicos, marcando un paso adelante hacia la Industria 4.0 en el sector salud.

En conclusión, el proyecto demuestra la viabilidad y superioridad de utilizar visión artificial basada en YOLOv8 para la garantía de calidad en la manufactura de instrumentos quirúrgicos, ofreciendo una solución práctica, precisa y segura para la industria.