透过深度学习模型分析手术室中麻醉师的视觉注意力
摘要：术中麻醉师的视觉注意力是患者在全身麻醉下安全管理的关键组成部分，患者的生命体征在监护仪上显示。麻醉期间，注意力（VA）的分配以及对特定线索的获取可能对患者的结果产生直接影响。目前，大多数研究采用可穿戴眼动追踪技术分析麻醉师的视觉模式。虽然这些可穿戴设备能产生详细的数据，但在手术室（OR）内大规模或长期使用数据收集方面不可持续。因此，通过利用一种新型的深度学习模型，处理监护仪安装的网络摄像头，我们收集了连续的行为数据，并洞察了麻醉师的视觉注意力分配情况，对其自然工作流程干扰最小。在本研究中，我们使用提出的框架收集了OR视频录像，并比较了不同的视觉行为模式。我们区分了平稳期的基线VA分布与活动期间或紧急事态下的模式。将来，这样的平台可能成为OR内上下文感知辅助技术的关键组成部分。
作者：Sapir Gershov, Fadi Mahameed, Aeyal Raz, Shlomi Laufer
论文ID：2308.05501
分类：Artificial Intelligence
分类简称：cs.AI
提交时间：2023-08-11