相关实验视频
Updated: Sep 18, 2025
08:05
Design and Analysis for Fall Detection System Simplification
Published on: April 6, 2020
10.8K
在医院推进人工智能驱动的监控系统:精细的实例细分数据集,用于准确的床上患者监控
Ciro Mennella1, Umberto Maniscalco1, Giuseppe De Pietro2
1Institute for High-Performance Computing and Networking (ICAR) Research National Council of Italy (CNR), Italy.
Computers in biology and medicine
|June 22, 2025
概括
这项研究引入了一个新的注释数据集,用于人工智能驱动的患者监测,提高了床上跟踪的准确性. 该数据集使先进的监控系统能够在医疗机构提供更安全的患者护理.
科学领域:
- 数字健康数字健康
- 人工智能的人工智能
- 医疗成像医学成像
背景情况:
- 人工智能驱动的患者监测系统对于预防临床事故至关重要.
- 高质量的注释数据集对于开发准确的AI监控系统至关重要.
- 现有的数据集可能缺乏详细的床上患者监测所需的特异性.
研究的目的:
- 提出一种新的,细粒度的数据集,用于识别和跟踪患者在不同的床位.
- 促进基于人工智能的监控系统在床上监控患者的进步.
- 为评估患者监控应用中的AI模型提供一个基准.
主要方法:
- 从秋季模拟数据集 (FSD) 中选出的视频,描绘了与床相关的行为.
- 手动注释了1487个,用于"人"和"床"实例的分段标签.
- 微调并评估了使用数据增强和5倍交叉验证的YOLOv8实例细分模型.
主要成果:
- YOLOv8模型在界限框检测和细分口罩中都实现了高性能.
- 边界框检测:精度为0.97,召回为0.97,mAP50为0.99.
- 分区面具:精度为0.98,召回为0.98,mAP50为0.98.
结论:
- 开发的数据集显著提升了非侵入性,卧床患者监测能力.
- 能够在临床和住院环境中更有效,更可靠地跟踪和监测患者.
- 支持整合人工智能技术,以提高患者的安全性和护理.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.4K
04:48Application of Deep Learning-Based Medical Image Segmentation via Orbital Computed Tomography
Published on: November 30, 2022
3.0K
