眼见不为实：利用深度学习模型分析麻醉医师在手术室中的视觉注意力
人工智能
2023-08-11 v1
摘要
显示在监护仪上的患者生命体征，使麻醉医师的视觉注意力（VA）成为全身麻醉下患者安全管理的关键组成部分；此外，该视觉注意力的分布以及在麻醉过程中获取特定线索的能力，可能对患者结局产生直接影响。当前多数研究采用可穿戴眼动追踪技术分析麻醉医师的视觉模式。尽管能产生精细数据，可穿戴设备并非手术室（OR）中大规模或长期数据采集的可持续解决方案。因此，通过利用一种以处理监护仪挂载网络摄像头的深度学习模型形式的新颖眼动追踪方法，我们采集了连续行为数据，并在对其自然工作流最小干扰的情况下深入了解了麻醉医师的视觉注意力分布。本研究中，我们使用所提框架采集手术室视频记录，并比较不同的视觉行为模式。我们区分了平稳期内的基线视觉注意力分布，与主动阶段或危急意外事件期间相关的模式。未来，此类平台可作为手术室中情境感知辅助技术的关键组成部分。
引用
@article{arxiv.2308.05501,
title = {More Than Meets the Eye: Analyzing Anesthesiologists' Visual Attention in the Operating Room Using Deep Learning Models},
author = {Sapir Gershov and Fadi Mahameed and Aeyal Raz and Shlomi Laufer},
journal= {arXiv preprint arXiv:2308.05501},
year = {2023}
}
备注
Submitted to MICCAI Aml4HC 2023