重症监护病房中视觉线索的检测及其与患者临床状态的关联
计算机视觉与模式识别
2024-07-15 v2 人工智能
摘要
重症监护病房（ICU）为危及生命的患者提供密切监护和持续护理。然而，由于时间限制和医护人员的工作负担，ICU中的持续患者评估仍然有限。ICU中现有患者评估（如疼痛或活动能力评估）大多是零星且手动进行的，因此引入了人为错误的可能性。开发能够在ICU中增强人工评估的人工智能（AI）工具，有助于提供更客观和精细的监测能力。例如，捕捉患者与疼痛或躁动相关的面部线索变化，可帮助调整镇痛相关药物或检测诱发躁动的疾病（如谵妄）。此外，在不良临床事件期间或之前的视觉线索的细微变化，若与高分辨率生理信号和电子健康记录（EHR）数据结合，可能有助于持续患者监测。在本文中，我们研究了视觉线索与患者状况（包括 acuity 状态、急性脑功能障碍和疼痛）之间的关联。我们利用我们的AU-ICU数据集，该数据集包含ICU中收集的107,064帧图像，由训练有素的标注者标注了面部动作单元（AUs）标签。我们开发了一种新的“掩码损失计算”技术，通过最大化数据资源利用来解决数据不平衡问题。我们使用我们的AU-ICU数据集与三个外部数据集联合训练模型以检测18个AUs。SWIN Transformer模型在测试集上取得了0.57的平均F1分数和0.89的平均准确率。此外，我们对634,054帧进行了AU推断，以评估面部AUs与临床重要患者状况（如 acuity 状态、急性脑功能障碍和疼痛）之间的关联。
引用
@article{arxiv.2311.00565,
title = {Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status},
author = {Subhash Nerella and Ziyuan Guan and Andrea Davidson and Yuanfang Ren and Tezcan Baslanti and Brooke Armfield and Patrick Tighe and Azra Bihorac and Parisa Rashidi},
journal= {arXiv preprint arXiv:2311.00565},
year = {2024}
}