睡眠患者深度图像中的胸部区域分割
计算机视觉与模式识别
2020-08-25 v1
摘要
尽管睡眠研究领域近年取得巨大进展,检测睡眠问题最常用且高效的方式仍是在睡眠实验室进行的睡眠检查,即多导睡眠图(PSG)。该检查通过连接于患者身体的多个传感器,在整夜睡眠中测量若干生命体征信号。然而,尽管作为金标准,传感器的连接与陌生环境不可避免地影响患者睡眠及检查本身质量。因此,随着更精确且实惠的3D传感设备的新近发展,非接触式睡眠研究的新方法应运而生。这些方法利用不同技术以远程提取相同睡眠参数,消除任何与身体的物理连接需求。然而,为实现可靠的远程提取,这些方法需准确识别基本感兴趣区域(ROI)即患者胸部区域,该任务目前阻碍开发进程,因其对每位患者均手动完成。本研究中,我们提出一种自动胸部区域分割算法,给定睡眠患者的输入3D帧集合,输出对应胸部区域像素的分割图像,并可用作后续睡眠分析算法的输入。除显著加速非接触方法的开发进程外,准确的自动分割亦能实现更精确的特征提取,且表明其相较手动ROI选择已使先前方案的灵敏度平均提升46.9%。上述所有将使非接触方法的提取算法成为替代当今传统方法的主要候选。
引用
@article{arxiv.2008.09773,
title = {Chest Area Segmentation in Depth Images of Sleeping Patients},
author = {Yoav Goldstein and Martin Schätz and Mireille Avigal},
journal= {arXiv preprint arXiv:2008.09773},
year = {2020}
}
备注
13 pages, 15 figures