从视频记录中检测新生儿面部和面部地标

科学领域:

• 医疗图像分析 医学图像分析
• 计算机视觉 计算机视觉 计算机视觉
• 新生儿护理技术 新生儿护理技术

背景情况:

• 自动化新生儿健康评估对于早期检测和干预至关重要.
• 基于视频的应用程序需要对新生儿进行准确的面部和面部地标检测.
• 现有的方法往往缺乏临床新生儿应用所需的精度.

研究的目的:

• 开发和评估用于新生儿面部和面部标志检测的自动化系统.
• 提高新生儿图像分析用于健康监测的准确性和可靠性.
• 建立基于视频的先进新生儿健康评估工具的基础.

主要方法:

• 使用了三个公开的新生儿数据集 (366个培训,89个测试图像).
• 应用转移学习到基于YOLO的模型与数据增强 (翻转,色彩扭曲,缩放,翻译).
• 探索了图像重定向和深度学习模型融合,专注于YOLOv7Face.

主要成果:

• YOLOv7Face模型在面部检测方面实现了84.8%的平均精度.
• 实现了面部地标检测的0.072的正常化平均误差.
• 在面部和地标检测任务中表现优于现有方法.

结论:

• 拟议的YOLOv7Face模型在自动新生儿面部和地标检测方面取得了重大进展.
• 这项技术支持开发非接触式,自动化的新生儿健康评估算法.
• 准确的检测对于诸如生命体征估计,疼痛评估和黄检测等应用至关重要.