PACMAN：一种面向低资源环境的脉搏血氧仪数字检测与读取框架
图像与视频处理
2022-12-12 v1 计算机视觉与模式识别
摘要
在 COVID-19 大流行背景下，患者需每日手动将血氧饱和度（SpO2）与脉率（PR）数值输入健康监测系统——遗憾的是，此类过程易出现输入错误。已有若干研究尝试利用光学字符识别（OCR）从所拍摄图像中检测生理数值。然而，该技术可用性有限且成本高昂。因此，本研究旨在提出一种称为 PACMAN（大流行加速人机协作）的新型框架，其基于低资源深度学习计算机视觉。我们比较了最先进的物体检测算法（scaled YOLOv4、YOLOv5 与 YOLOR），包括商业 OCR 工具，用于对脉搏血氧仪显示屏所拍图像进行数字识别。所有图像均来自众包数据采集，质量与对齐方式各异。在所有数据集的给定模型比较中，YOLOv5 表现最佳，尤其在正确定向的图像数据集上。我们通过数字自动定向算法进一步提升了模型性能，并应用聚类算法提取 SpO2 与 PR 数值。加入上述实现后 YOLOv5 的准确率约为 81.0–89.5%，较无任何附加实现有所提升。据此，本研究完成了 PACMAN 框架在真实世界数据集中检测与读取数字的任务。所提框架目前已集成至全国医院所用的患者监护系统。
引用
@article{arxiv.2212.04964,
title = {PACMAN: a framework for pulse oximeter digit detection and reading in a low-resource setting},
author = {Chiraphat Boonnag and Wanumaidah Saengmolee and Narongrid Seesawad and Amrest Chinkamol and Saendee Rattanasomrerk and Kanyakorn Veerakanjana and Kamonwan Thanontip and Warissara Limpornchitwilai and Piyalitt Ittichaiwong and Theerawit Wilaiprasitporn},
journal= {arXiv preprint arXiv:2212.04964},
year = {2022}
}