基于边缘 AI 的静脉检测器用于肘前窝高效静脉穿刺
图像与视频处理
2023-10-30 v1 计算机视觉与模式识别
摘要
在肘前窝获取静脉通路前，评估静脉状况与可见性是关键步骤，而这是一种用于抽血或实施静脉治疗（IV 治疗）的常见操作。尽管医疗从业者对静脉插管高度熟练，但由于液体潴留、年龄、超重、深肤色或糖尿病，他们通常难以在静脉低可见性患者中执行该操作。近来，若干研究提出结合近红外（NIR）成像与深度学习（DL）技术进行前臂静脉分割。尽管已展示引人注目的结果，其使用仍相当有限，原因在于执行静脉穿刺对便携性与精度的要求。本文旨在以三种策略助力弥合此差距。首先，我们引入一个基于 NIR 的新前臂静脉分割数据集，包含从 1,008 名低可见静脉受试者收集的 2,016 张标注图像。其次，我们提出一种改进 U-Net 架构，专门定位受检患者肘前窝区域的静脉。最后，在测试四种常见嵌入式微计算机与四种常见量化方式后，所提架构的压缩版本被部署于定制的便携式静脉查找设备内。实验结果表明，采用动态范围量化压缩并部署在 Raspberry Pi 4B 板上的模型取得了最佳执行时间与精度平衡，延迟与交并比（IoU）分别为 5.14 FPS 与 0.957。这些结果展示了在资源受限低成本设备内的良好前景。
引用
@article{arxiv.2310.18234,
title = {Edge AI-Based Vein Detector for Efficient Venipuncture in the Antecubital Fossa},
author = {Edwin Salcedo and Patricia Peñaloza},
journal= {arXiv preprint arXiv:2310.18234},
year = {2023}
}
备注
Accepted for publication in MICAI 2023, Part II, LNCS 14392