基于数字孪生体的隐私保护手术室工作流程分析
计算机视觉与模式识别
2025-09-05 v2 人工智能
机器学习
摘要
手术室（OR）是一种复杂的环境，优化工作流程对于降低成本和改善患者预后至关重要。虽然计算机视觉方法可用于自动识别手术期间事件以识别手术室优化的瓶颈，但隐私顾虑限制了使用手术室视频进行自动事件检测。我们提出了一个两个阶段的管道，用于隐私保护的手术室视频分析和事件检测。首先，我们利用视觉基础模型进行深度估计和语义分割，生成来自常规 RGB 视频的手术室数字孪生体（DT）。其次，我们采用 SafeOR 模型，这是一种融合双流方法，可处理分割掩码和深度图进行手术室事件检测。在一组包含 38 个模拟手术试验（分为五个事件类别）的内部数据集上的评估显示，我们的 DT 基于方法在手术室事件检测方面的性能与原始 RGB 视频基于模型相当，甚至在某些情况下更好。数字孪生体使手术室工作流程的隐私保护分析成为可能，促进了跨机构共享去识别数据，potentially 通过减轻特定领域外观差异来增强模型的通用性。
引用
@article{arxiv.2504.12552,
title = {Privacy-Preserving Operating Room Workflow Analysis using Digital Twins},
author = {Alejandra Perez and Han Zhang and Yu-Chun Ku and Lalithkumar Seenivasan and Roger Soberanis and Jose L. Porras and Richard Day and Jeff Jopling and Peter Najjar and Mathias Unberath},
journal= {arXiv preprint arXiv:2504.12552},
year = {2025}
}