基于深度图像分割的手术流程图手绘符号识别
图像与视频处理
2020-07-01 v1 计算机视觉与模式识别
摘要
围手术期数据对于研究不良手术结果的原因至关重要。在一些中低收入国家，由于缺乏手术流程图的数字化，这些数据在计算上无法获取。在本文中，我们提出了一种使用 U-Net 架构的深度图像分割方法，能够检测流程图上的手绘符号。分割掩码输出通过针对每种符号特有的技术进行后处理，以转换为数值。U-Net 方法能够在适当的时间间隔内以超过 99% 的准确率检测心率和血压符号。与真实值相比，超过 95% 的预测落在绝对误差为 5 的范围内。即使在训练集可用标注图像数量较少的情况下，该深度学习模型也优于模板匹配。
引用
@article{arxiv.2006.16546,
title = {Hand-drawn Symbol Recognition of Surgical Flowsheet Graphs with Deep Image Segmentation},
author = {William Adorno and Angela Yi and Marcel Durieux and Donald Brown},
journal= {arXiv preprint arXiv:2006.16546},
year = {2020}
}
备注
8 pages, 4 figures, BioInformatics And BioEngineering 2020