针点的实时定位基于解剖学地标和姿势估计模型

科学领域:

• 医疗针医学针是一种医疗的方法.
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 手动针点 (针点) 位置缺乏准确性和一致性,特别是未经训练的人.
• 精确的针点识别对于有效的针治疗至关重要.
• 目前用于针点定位的方法可能不一致,需要专家知识.

研究的目的:

• 开发和验证两个人工智能 (AI) 计算机视觉方法,用于自动实时针点识别.
• 通过自动化针点定位来提高针实践的准确性和可访问性.
• 为了提高针治疗的准确性,并促进自我训练.

主要方法:

• 一个实时地标检测系统被用来定位面部和手上的38个针点.
• 优化姿势估计的卷积神经网络 (CNN) 检测到手臂和手上的五个关键针点.
• 这两种人工智能方法都通过将预测的针点位置与专家注释进行比较来验证.

主要成果:

• 这两种AI方法都表现出高准确度,与专家注释相比,平均本地化误差低于5毫米.
• 里程碑检测系统在复杂的场景中成功地绘制了面部和手部的多个针点.
• 基于CNN的方法实现了0.99的平均平均精度 (mAP),用于检测五个手臂和手部针点.

结论:

• 由人工智能驱动的自动化针点定位为增强的自我引导和专业针提供了基础.
• 这些技术可以提高治疗的准确性,帮助自我训练,并增加针的可访问性.
• 未来的工作可能会将AI模型扩展到更多的针点,并将它们集成到用户友好的应用程序中.