武汉小马奔腾医疗科技有限公司拟对公司AI肠镜辅助检查系统项目进行公开招标，欢迎符合资格条件的供应商投标。

　　2. 具有计算机软件开发及管理资质，具有医学或其他领域图像识别项目开发经验，提供相关资质证照及证明材料；

　　3. 登记报名需提供如下资料扫描件，主题以“项目名称+公司名称+联系人以及联系方式”发送至武汉小马奔腾医疗科技有限公司招标办邮箱。未按规定格式发送邮件，一律不予以接受。

　　所需资料：企业营业执照副本、组织机构代码证、税务登记证、资质等资格证明文件（例如：高新技术企业、IOS9001质量管理体系认证证书、项目管理体系认证）、相关项目案例、知识产权、技术验证报告结果文件。

　　如发现招标过程中存在商业贿赂等违反廉政准则的行为，请予以举报，举报内容详实，真实可信。举报途径如下：

　　AI肠镜辅助诊疗项目（以下简称项目）是开发一套基于Windows系统的图像识别软件，可在计算机上独立运行。软件经过提供的特征图像参数进行训练后，再传入待分析的原始图像，原始图像是24位RGB彩色图，由DVI（24插脚）视频数据线从肠镜检查设备传输并解析出来，再由该软件的功能模块分析病灶、特征部位等信息，将特征信息按要求标注在图像上，以视频流的形式输出到显示器上。

　　图像识别算法在实际应用过程中需处理视频数据，设计过程中应考虑实际运行效率和运算量，以此决定算法基于GPU/CPU、框架选型、硬件配置等内容。

　　（1）息肉病例图像识别并标记。识别标记好的三种不同风险度类型的息肉病灶。分别用蓝色、橙色、红色三种颜色的框选标记。

　　（2）肠道内异物图像识别。识别标记好的不同清洁度的肠道异物，记录异物次数，作为判断肠道清洁度依据。

　　（4）肠镜进入退出图像识别。识别镜头进入和退出的图像，判断肠镜进入和退出。

　　（1）自动采图。根据2.1要求识别的图像要求，当识别到对应图像时自动采图，采图应注意避免重复，图像数据保存在本地路径，如文件夹路径：自动采图→息肉/回盲部/肠道异物/回盲部。息肉病灶图像采集后需实时显示在屏幕右侧，其余图像保存到特定位置。

　　（2）肠道清洁度判断。根据是否识别到肠道内异物的次数、频率，判断肠道清洁度，在前端显示肠道清洁度：清洁、尚可、欠佳。

　　（3）肠镜进入和退出的时间前端显示和数据记录。根据识别到肠镜进入和退出图像、回盲部的图像记录进入肠镜进入和退出的时间。识别肠镜进入开始计时，到达回盲部时间停止为肠镜进入时间；识别回盲部开始计时，到识别退出图像停止计时，为肠镜退出时间。计算的时间应记录并保存在本地路径。

　　（4）回盲部图标展示。识别到回盲部时，则根据提供的肠道图片和回盲部图标，点亮回盲部图标。

　　（5）软件运行数据记录。包括但不限于记录软件稳定运行时间、崩溃及重启时间、报错次数等软件运行关键信息。

　　（1）软件需接入实际设备使用，在合理的硬件配置下，处理后视频与原视频不得出现肉眼可见延迟。

　　（2）软件需满足持续稳定运行不低于12小时，应具备较高的容错能力，在出错时能够自动恢复运行。

　　（3）软件版本易于升级，任何一个模块的维护和更新以及新模块的追加都不应影响其他模块，且在升级的过程中不影响系统的性能与运行。

　　（4）各项软件开发工具和系统开发平台应符合我国国家标准、信息产业部部颁标准、软件相关技术规范和要求。

　　（1）图像识别准确率验证。使用1000张未标记的原始图片，分为10组，每组测试算法识别的准确率，最终取平均数，准确率不低于85%。

　　（2）视频识别准确率验证。通过10例已出诊断结果的肠镜视频验证算法识别率，对视频数据进行识别和标记，并采集图片，验证算法识别的病灶数是否与已知结果一致，识别OB视讯率不低于80%。

　　（3）视频识别帧率延迟。通过实际运行，将原视频图像和处理后图像做对比，观察是否存在肉眼可见的视频延迟，延迟不超过20ms。

　　（4）提供试运行3天的试运行数据记录，包括但不限于稳定运行时长、运行记录数据、报错率、崩溃及重启次数等数据，确保运行稳定性。

　　按要求发布基于Windows的完整的软件安装包2套，封装成.exe安装程序，可直接安装运行。

　　（1）软件相关基本信息和实现过程等相关内容，包括但不限于结构图、硬件拓扑、运行环境、开发概述等内容，详见附件1：软件描述文档框架，主要提供文档中红字粗体标注的信息。

　　（2）项目所开发软件算法研究报告1份，应包含算法基本信息、算法风险管理、算法需求规范、数据质控、算法训练、算法验证和确认、算法可追溯性等相关内容，详细内容见附件2：算法研究报告内容。

　　软件和算法开发过程应参考计算软件项目相关管理规范，包括但不限于以下文件。

　　（2）GB/T 14394-2008 《计算机软件可靠性和可维护性管理》；

　　（3）GB/T20273-2006 《信息安全技术数据库管理系统安全技术要求》；

　　算法研究报告适用于人工智能算法或算法组合的初次发布和再次发布，包括算法基本信息、算法风险管理、算法需求规范、数据质控、算法训练、算法验证与确认、算法可追溯性分析、结论等内容，不适用内容详述理由。

　　明确算法的名称、类型、结构、输入输出、流程图、算法OB视讯框架、运行环境等基本信息以及算法选用依据。

　　其中，算法类型从学习策略、学习方法、可解释性等角度明确算法特性。算法结构明确算法的层数、参数规模等超参数信息。算法框架明确所用人工智能算法框架的基本信息，包括名称、类型（自研算法框架、现成算法框架）、型号规格、完整版本、制造商等信息；若基于云计算平台，明确云计算的名称、服务模式、部署模式、配置以及云服务商的名称、住所、服务资质。

　　运行环境明确算法正常运行所需的典型运行环境，包括硬件配置、外部软件环境、网络条件；若使用人工智能芯片需明确其名称、型号规格、制造商、性能指标等信息。算法选用依据详述人工智能算法或算法组合选用的理由和基本原则。

　　明确算法的软件安全性级别（轻微、中等、严重）并详述判定理由。提供算法风险管理资料，明确过拟合与欠拟合、假阴性与假阳性、数据污染与数据偏倚（如数据扩增）等风险的控制措施。若无单独文档可提供软件风险管理资料，并注明算法风险管理所在位置。

　　提供算法需求规范文档，若无单独文档可提供软件需求规范，并注明算法需求所在位置。

　　提供数据来源合规性声明，列明数据来源机构的名称、所在地域、数据收集量、伦理批件（或科研合作协议）编号等信息。

　　提供数据采集操作规范文档，根据数据采集方式明确采集设备、采集过程、数据脱敏等质控要求。

　　提供数据标注OB视讯操作规范文档，明确标注资源管理、标注过程质控、标注质量评估、数据安全保证等要求。

　　依据适用人群、数据来源机构、采集设备、样本类型等因素，提供原始数据库、基础数据库、标注数据库、扩增数据库关于疾病构成的数据分布情况。

　　若数据来自公开数据库，提供公开数据库的基本信息（如名称、创建者、数据总量等）和使用情况（如数据使用量、数据质量评估、数据分布等）。

　　依据适用人群、数据来源机构、采集设备、样本类型等因素，提供训练集、调优集（若有）关于疾病构成的数据分布情况。

　　明确算法训练所用的评估指标、训练方式、训练目标、调优方式（若有），提供ROC曲线或混淆矩阵等证据证明训练目标满足医疗要求，提供训练数据量-评估指标曲线等证据以证实算法训练的充分性和有效性。

　　依据适用人群、数据来源机构、采集设备、样本类型等因素，提供测试集关于疾病构成的数据分布情况。

　　提供假阴性与假阳性、重复性与再现性、鲁棒性/健壮性、实时性等适用指标的算法性能评估结果，以证明算法性能满足算法设计目标。

　　若使用第三方数据库开展算法性能评估，提供第三方数据库的基本信息（如名称、创建者、数据总量等）和使用情况（如测试数据样本量、评估指标、评估结果等）。

　　若适用，提供算法性能影响因素分析报告，明确影响算法性能的主要因素及其影响程度，以及产品使用限制和必要警示提示信息。

　　若适用，提供压力测试、对抗测试等测试报告。若未开展相应测试或测试结果不佳，均需明确产品使用限制和必要警示提示信息。

　　若基于测评数据库进行算法确认，提供测评数据库的基本信息（如名称、创建者、数据总量等）、评估情况（如评估方法、评估指标、评估结果等）、使用情况（如评估指标、评估结果等）。若基于临床评价方式进行算法确认，指向临床评价资料即可。

　　提供上述各类测试场景（含临床评价）下的算法性能评估结果比较分析报告，明确产品使用限制和必要警示提示信息。

　　提供算法可追溯性分析报告，即追溯算法需求、算法设计、源代码（明确软件单元名称即可）、算法测试、算法风险管理的关系表。

　　若无单独文档可提供软件可追溯性分析报告，并注明算法可追溯性分析所在位置。

　　简述算法性能综合评价结果，明确对产品的适用范围、使用场景、核心功能所做的必要限制，并判定人工智能算法或算法组合的安全有效性是否满足要求。

　　投标方须利用项目预准备的图像资源（数据涉及保密，发邮件至索取）做初步技术验证，提供验证报告，报告内容须包括明确的选用模型、数据量、数据分配比例、准确率等详细结果，并附技术验证报告。