基于视频的多目标多摄像头追踪用于术后阶段识别

科学领域:

• 医学成像和计算机视觉
• 外科手术工作流程分析
• 医疗保健中的人工智能

背景情况:

• 目前用于外科支持的深度学习应用主要集中在手术室 (OR).
• 扩大对术后工作流程的技术援助为改善患者管理和文档提供了机会.
• 自动化手术后患者的跟踪和相位识别可以减轻手工负担并提高数据准确性.

研究的目的:

• 提出和评估一种新的多目标多摄像头跟踪 (MTMCT) 架构.
• 为了实现手术后阶段的自动识别,患者的精确位置跟踪和时间生成.
• 将基于深度学习的外科手术支持扩展到外科手术室以外的术后护理环境.

主要方法:

• 使用三个RGB摄像头开发一个定制的MTMCT架构.
• 创建一个多摄像头数据集,包含19个重现的术后患者流,包括注释的患者和病床.
• 整合每台摄像头的床位和患者跟踪,以及用于相位识别,位置和时间的患者状态模块.

主要成果:

• 在单个和多个患者的场景中,MTMCT架构表现出强大的性能.
• 在多患者设置中,术后阶段穿越精度达到84.9 ± 6.0%,正确时间生成为91.4 ± 1.5%.
• 患者跟踪IDF1实现了92.0 ± 3.6%,AFLink证明对部分轨迹匹配有效.

结论:

• 拟议的MTMCT方法显示了实时外科医生支持的重大前景.
• 这项技术为手术后护理中改善临床文档奠定了基础.
• 该系统有可能最终改善整体患者护理和结果.