推动新生儿护理：基于AI驱动的热成像与自适应归一化的精准出生时间检测

约有5-10%的新生儿需要帮助才能呼吸。目前缺乏基于证据的研究、客观数据收集以及从真实新生儿复苏紧急事件中学习的机会。相对于出生时间（ToB）生成和评估自动化新生儿复苏算法活动时间线，提供了一种有前景的机会，以提高新生儿护理实践。鉴于在出生后“黄金一分钟”内进行及时复苏干预的重要性，对后续新生儿复苏过程的有效分析至关重要，准确的ToB（到秒为单位）是必不可少的。然而，ToB通常是手动登记的，通常只有分钟级精度，这使得过程效率低下且易出错且不够精确。本文探索了人工智能（AI）与热成像的融合，以开发首个AI驱动的ToB检测器。使用温度信息为检测新生儿提供了一种在尊重医护人员和母亲隐私方面的有前景替代方案。然而，热成像测量中频繁出现的不一致性，尤其是在多摄像头 setup 中，使得归一化策略至关重要。我们的 methodology 包括三个步骤：首先，我们提出一种基于高斯混合模型（GMM）的自适应归一化方法，以缓解温度变化相关问题；其次，我们实现并部署了一个AI模型来检测热视频帧中新生儿的存在；最后，我们对模型的预测进行评估和后处理，以估计ToB。在性能评估中，我们在检测热帧中的新生儿时报告了88.1%的精确率和89.3%的召回率。我们的方法在估计ToB相对于手动标注方面实现了2.7秒的绝对中位数偏差。