- 简介本文提出了一种使用单视角和多视角视频评估气管插管技能的框架。该框架包括两个阶段。首先,使用2D卷积自编码器(AE)和预训练的自我监督网络从视频中提取特征。其次,使用带有跨视角注意力模块的1D卷积将来自AE的特征作为输入,并输出技能评估的预测结果。气管插管数据集分为两个阶段收集。第一阶段,由专家和新手两个受试者群体执行气管插管。第二阶段,新手受试者在时间压力下执行气管插管,结果为成功或失败。还分析了专家和新手的单个头戴式摄像机视频数据集。研究在初始阶段识别专家/新手试验方面实现了100%的准确性。在第二阶段,该模型显示出85%的准确性,可以对成功/失败的程序进行分类。仅使用头戴式摄像机,该模型在专家和新手分类上显示出96%的准确性,同时在分类成功和失败上保持85%的准确性。此外,还提供了GradCAMs,以解释专家和新手行为以及成功和失败试验之间的差异。该方法提供了一种可靠且客观的自动评估气管插管技能的方法。
- 图表
- 解决问题本论文旨在解决目前基于手动反馈的呼吸道插管技能评估方法主观、耗时且存在可靠性问题的局限性,提出了一种使用单视角和多视角视频评估呼吸道插管技能的框架。
- 关键思路该框架包括两个阶段:一是使用2D卷积自编码器和预训练的自监督网络从视频中提取特征;二是使用1D卷积和跨视角注意力模块将自编码器的特征作为输入,输出技能评估的预测结果。
- 其它亮点实验数据集包括两个阶段的专家和新手组别的呼吸道插管视频以及新手组别在时间压力下的成功或失败的视频。研究在第一阶段中100%准确地识别了专家/新手试验,在第二阶段中85%的准确率对成功/失败的程序进行分类。使用仅头戴相机的数据,模型在专家和新手分类上显示出96%的准确率,同时保持85%的成功和失败分类准确率。此外,论文还提供了GradCAMs来解释专家和新手行为以及成功和失败试验之间的差异。
- 近期在这个领域中的相关研究包括:《基于视频的医疗操作技能自动评估方法》、《使用深度学习和虚拟现实进行医学手术技能评估》等。
沙发等你来抢
去评论
评论
沙发等你来抢