相关实验视频
Updated: Jun 20, 2025
12:10
Semi-automated Optical Heartbeat Analysis of Small Hearts
Published on: September 16, 2009
12.2K
通过计算机视觉监测柏林心脏EXCOR:初步实施和评估
Hidehito Ota1, Tomomi Fujimura1, Ayumi Kunikata1
1Department of Pediatrics, School of Medicine, The University of Tokyo, Bunkyo, Japan.
Artificial organs
|July 17, 2024
概括
计算机视觉模型可以通过分析隔膜运动来准确监测EXCOR儿科心室辅助装置 (VAD). 这项技术对儿童患者的自动化VAD状态评估充满希望.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 人工智能的人工智能
背景情况:
- 对于儿科患者来说,EXCOR儿科心室辅助装置 (VAD) 是非常重要的.
- 手动检查VAD隔膜运动是必不可少的,但需要训练有素的专业人员.
- 计算机视觉技术的进步为自动化VAD监控提供了潜力.
研究的目的:
- 为了评估深度学习模型对自动 EXCOR 儿科 VAD 隔膜运动分析的有效性.
- 评估图像识别模型在检测VAD操作状态中的准确性.
主要方法:
- EXCOR VAD 隔膜运动被录制为视频并进行注释.
- 三个深度学习模型 (MobileNetV3,EfficientNetV2,MobileViT) 在隔膜运动框架上进行了训练.
- 用准确度和接收器操作特征曲线 (AROC) 下的面积来评估模型性能.
主要成果:
- 这些模型实现了高性能:MobileNetV3 (精度为0.88,AROC为0.99),EfficientNetV2 (精度为0.91,AROC为0.98),以及MobileViT (精度为0.93,AROC为0.99).
- 分析包括98部注释电影中的7949每班.
- 尽管有数据集的局限性,但模型显示出强大的检测能力.
结论:
- 轻量级的深度神经网络模型可以准确地检测EXCOR VAD隔膜状态.
- 计算机视觉对于自动监控VAD功能具有很大的潜力.
- 使用多种数据集进行进一步的研究可以提高模型的概括性.
