在心脏导管实验室的基准测试2D人体姿势估计器和跟踪器用于工作流分析

科学领域:

• 医疗成像医学成像
• 计算机视觉 计算机视觉
• 医疗保健信息学 医疗保健信息学

背景情况:

• 手动分析心脏导管实验室 (Cath Lab) 的工作流程是劳动密集型的.
• 通过摄像头监控自动化工作流分析可以提高效率和安全性.
• 人体姿势估计是活动和工作流程识别的一个有前途的技术.

研究的目的:

• 在Cath实验室环境中评估无标记多人姿势估计器的性能.
• 评估用于工作流分析的姿势检测和跟踪的准确性.
• 为Cath Lab应用程序确定合适的姿势估计模型.

主要方法:

• 从十个多视图冠状动脉血管图 (CAG) 记录中,在2040中注释着姿势.
• 评估了AlphaPose,OpenPifPaf和OpenPose用于没有标记的多人姿势估计.
• 使用平均精度 (AP),正确关键点百分比 (PCKh),关联精度 (AA) 和更高阶跟踪精度 (HOTA) 评估检测和跟踪.

主要成果:

• 阿尔法斯实现了最好的平均全姿势指标 (AP 0.56-0.82,AA 0.55-0.71,HOTA 0.58-0.73).
• 在PCKh (0.53-0.64) 上,OpenPifPaf获得了最高的分数.
• 检测准确度因身体部位和视角而异;遮蔽和反射带来了挑战.

结论:

• 在Cath Lab工作流分析中,AlphaPose显示了准确的姿势检测潜力 (AP高达0.82).
• 目前的跟踪性能 (HOTA高达0.73) 需要改进或替代解决方案.
• 需要进一步的研究来应对诸如遮和反射等挑战,以实现可靠的跟踪.