基于三维卷积神经网络的手术室手卫生全自动监测
计算机视觉与模式识别
2020-03-23 v1
摘要
手卫生是预防医院获得性感染（HAI）最重要的因素之一，而 HAI 常由手术室（OR）中医护人员接触患者时传播。手卫生监测对于调查和减少 OR 内感染暴发具有重要意义。然而，由于 OR 场景的视觉复杂性，难以开发有效的手卫生依从性监测工具。近期视频理解结合卷积神经网络（CNN）的进展增加了人体动作识别与检测的应用。利用这一进展，我们提出了一种基于时空特征与三维 CNN 的 OR 视频中麻醉医师酒精搓手动作的全自动手卫生监测工具。首先，检测并裁剪麻醉医师上半身的感兴趣区域（ROI），对 ROI 施加时间平滑滤波；然后将 ROI 输入三维 CNN 并分类为两类：搓手或其他动作。我们观察到从 Kinetics-400 迁移学习有益，而光流流在我们的数据集中无帮助。测试集最终准确率、精确率、召回率和 F1 分数分别为 0.76、0.85、0.65 和 0.74。
引用
@article{arxiv.2003.09087,
title = {Fully Automated Hand Hygiene Monitoring\\in Operating Room using 3D Convolutional Neural Network},
author = {Minjee Kim and Joonmyeong Choi and Namkug Kim},
journal= {arXiv preprint arXiv:2003.09087},
year = {2020}
}