一项临床试验评估了基于深度学习的面部识别在各种医院环境中用于患者识别的有效性
Ayako Sadahide1, Hideki Itoh2, Ken Moritou3
1Department of Ophthalmology and Visual Science, Graduate School of Biomedical Sciences, Hiroshima University, Hiroshima 734-8551, Japan.
Bioengineering (Basel, Switzerland)
|April 27, 2024
概括
深度学习面部识别系统在医院患者识别方面表现出高准确度. 该技术是安全有效的,即使在面具或睡眠期间,确保可靠的患者身份验证.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 生物识别信息 生物识别信息
背景情况:
- 深度学习可以提高面部识别的准确性.
- 面部识别在医院患者识别中的实用性需要研究.
研究的目的:
- 评估基于深度学习的面部识别系统对住院患者的有效性和安全性.
- 在各种条件下评估系统性能,包括口罩和不同患者位置.
主要方法:
- 一个深度学习面部识别系统使用iPad摄像头对100名患者进行了测试.
- 评估包括各种姿势 (坐,卧,横),有/没有口罩,并在夜间条件下.
主要成果:
- 没有掩盖的身份验证率为99.7%,明显高于掩盖率的90.8%.
- 验证率超过99%,即使是在夜间睡觉时.
- 100%的成功率,无论照明条件如何,在面具患者坐着,眼睛开时都能成功.
结论:
- 使用深度学习的面部识别对于医院患者的识别是安全和可接受的.
- 该系统在各种临床环境中展示了准确的患者鉴定有前途的结果.
- 这项研究是第一个在各种情况下系统地评估住院患者的面部识别.
