基于分层计算机视觉管线的床边监护仪生理数据提取
计算机视觉与模式识别
2025-12-01 v1
摘要
在许多资源有限的医疗环境中，床边监护仪仍为独立的旧式设备，缺乏网络连接，导致与电子健康记录（EHR）系统的互操作性存在持续性差距，无法实现生理数据的无缝集成。为此在不要求昂贵硬件替换的前提下，我们提出一种基于计算机视觉的管线，用于自动从床边监护仪屏幕上捕获和数字化生命体征数据。该方法采用分层检测框架，结合YOLOv11实现对监护仪及感兴趣区域（ROI）的精准定位，同时使用PaddleOCR实现鲁棒的文本提取。为增强在不同摄像机角度和光照条件下的可靠性，几何矫正模块在字符识别前对屏幕视角进行标准化处理。我们在来自开源语料库和越南实际重症监护病房收集的6,498张图像数据集上进行评估。该模型在监护仪检测上实现了99.5%的平均精度（mAP@50-95），在生命体征ROI定位上实现了91.5%。端到端提取精度在核心生理参数（包括心率、氧饱和度SpO2和动脉血压）上超过98.9%。这些结果表明，轻量级的基于摄像机的方法能够可靠地将屏幕捕获的非结构化信息转换为结构化的数字数据，为资源受限环境中的信息可达性和临床文档提供了实用且可扩展的路径。
引用
@article{arxiv.2511.23355,
title = {A Hierarchical Computer Vision Pipeline for Physiological Data Extraction from Bedside Monitors},
author = {Vinh Chau and Khoa Le Dinh Van and Hon Huynh Ngoc and Binh Nguyen Thien and Hao Nguyen Thien and Vy Nguyen Quang and Phuc Vo Hong and Yen Lam Minh and Kieu Pham Tieu and Trinh Nguyen Thi Diem and Louise Thwaites and Hai Ho Bich},
journal= {arXiv preprint arXiv:2511.23355},
year = {2025}
}
备注
11 pages, 3 figures