在新生儿重症监护病房使用视觉转换器进行深度干预检测
Zein Hajj-Ali1, Yasmina Souley Dosso1, Kim Greenwood2
1Systems and Computer Engineering, Carleton University, Ottawa, ON K1S 5B6, Canada.
Sensors (Basel, Switzerland)
|December 17, 2024
概括
本研究引入了一种使用深度摄像头的自动化方法,用于检测新生儿重症监护室 (NICU) 中的临床干预. 视力变压器模型准确地识别这些事件,提高了患者监测效率.
科学领域:
- 医疗技术 医疗技术 医学技术
- 计算机视觉 计算机视觉
- 新生儿护理 新生儿护理
背景情况:
- 深度摄像机在新生儿重症监护室 (NICU) 提供非接触式,保护隐私的患者监测.
- 临床干预中断了连续的视频监控,需要人工注释来开发系统.
- 对这些事件的自动检测对于高效的系统开发和未来的实时分析至关重要.
研究的目的:
- 开发一种自动化方法,仅使用深度摄像头数据来检测临床干预.
- 研究各种深度数据编码方法和视角转换对检测准确性的影响.
- 评估视觉变压器 (ViT) 模型在NICU中进行干预检测的性能.
主要方法:
- 一个视力转换器 (ViT) 模型是使用来自NICU患者的真实世界深度数据开发的.
- 研究了深度数据编码技术,包括HHA (水平差异,地表高度和与重力的角度).
- 应用了视角转换来解决非最佳的摄像头位置问题.
主要成果:
- 性能最好的ViT模型使用了大约8500万个可训练的参数.
- 该模型实现了85.6%的灵敏度,89.8%的精度和87.6%的F1-Score.
- 最优的配置包括视角转换和HHA编码.
结论:
- 成功开发了一种有效的,仅基于深度数据的方法,用于检测NICU中的临床干预.
- 自动检测大大减少了手动注释的需要,简化了系统开发.
- 这种方法对新生儿护理中干预事件的实时和追溯分析充满希望.
