人工智能实验室如何利用计算机视觉技术监测医院?

  • 时间:
  • 浏览:0
  • 来源:罗氏奇闻网

    雷锋注:本文是哈克和郭美儿在《斯坦福学校人工智能实验室博客》中翻译的,根本原因在于重点介绍斯坦福学校人工智能实验室是否可以利用自身计算机视觉核心技术监测医院医院当医生洗手情况严重,改善医院医院当医生卫生情况严重。  

    每每一年死于医院医院当医生感染别人比死于车祸别人多,这意味着在你被送进医院医院当医生时,有三分中最的那见到性在你健康会恶化,这相当令人担忧。  

    幸运另有,医院医院当医生是能予以改善卫生条件满足扭转某些局面。还是时医院医院当医生医院当医生、机场都在餐馆等公共场所,手部卫生也就防止传染病传播的排名第一道防线,这也许当一非常非常简单常识。保持稳定警惕是对,某些核心技术都是能彻底解决当一彻底解决,最非常简单和最用到另有予以计算机视觉核心技术来检测世人是否可以洗手。  

    斯坦福学校人工智能辅助护理三个中心的伙伴相互和来于当今世界各地的某些深度合作伙伴已然开发这项核心技术某些年了。那见到另有某些目前工作要做,也就希望能这项核心技术是能利用自身医院医院当医生降低感染率和改善患儿健康。  

    医院医院当医生将予以医学课程、公告栏上是海报和每周员工会议加强手卫生家长教育。当今世界卫生其他组织晓得其提出要求了手卫生的五个根本原因在于时刻,提出要求第十九条医务负责人洗手的值得注意时间。明确的的手卫生的予以,医院医院当医生予以RFID卡或员工徽章来跟踪手卫生。和一种高度程度上,都在工具都在有用,都在也永远存在目前工作流中断,并无当员工的新进入新房间时,肥皂盒将被刷到RFID卡上。当一核心技术彻底解决:一显得RFID核心技术覆盖的相对距离较短,而长相对距离一定源RFID也大受定向天线的限制,是能电池,显然,是能此种也许RFID核心技术缺陷的新彻底解决方案。  

    也就与斯坦福学校的LucilePackard儿童医院医院当医生深度合作,开发我此种跟踪手部卫生的的新先进一种方法:它予以尖端的计算机视觉核心技术,并无能临床医院当医生干预日常目前工作。在医学成像细分领域中,医院医院当医生医院当医生的物理小空间中并也许很多的应用,幸运另有,计算机视觉已然应用于物理空相互另当一细分领域:自驾车、自驾车、予以许多传感器来去理解生存环境某些。也时在是能医院医院当医生予以都在传感器来所往往更完美地去重点介绍医疗生存环境吗  

    深度传感器(如XboxKinect)与特殊相机相似,它在在不记录颜色,也许记录相对距离。在特殊彩色图像中,我的所有像素代表意义此种颜色;在深色图像中,我的所有像素代表意义真实当今世界中像素和传感器相互的相对距离,值得注意是fl。ooT点数,另有1.337米。  

    (左)用新手机拍摄的医院医院当医生彩色几几张照片。(右)由天花板上是传感器拍摄的深度图像。颜色越深,物体越环绕深度传感器。  

    在上难道深度图像中,你是能见到世人做的事情做做什么事事,值得注意你看不出也就的脸。这保护了也就所有用户的隐私,这医院医院当医生医院当医生中相当不可或缺。初衷直接证明和发展方面也就的计算机视觉核心技术,也就在当一医院医院当医生的天花板上首次安装了深度传感器。当根本原因在于儿童心血管病房,另当根本原因在于成人重症监护病房。  

    予以在两家医院医院当医生首次安装深度传感器,也时在能予以3D计算机视觉工具自动监测手部卫生。这另有当一步骤:  

    初衷再度予以自动驾驶的类比:初衷去理解生存环境,排名第一点要做另有检测人。有某些对象检测一种方法,都在许多也就予以彩色RGB图像开发的。彻底解决:值得注意情况严重下,世人只占据了给定房相互图像之中许多小空间;另有,在深层图像中,世人值得注意显得像水滴,和地板背景。差异是比比较明显的。  

    检测人我此种一种方法是明确的的地面上是占用网格图,它用到来指示人是否可以占用地面上是特定左边位置的二进制矩阵。我的所有水滴大致等侵删格中别人。也时在是能地面上是我的所显得创建在内水滴的字典(记住:也就也就人工合成都在水滴,也就见到它在准确的2D和3D左边位置)。是对多人场景,也时在能呈现多个水滴。在测试整个整个中会,也时在能当一水滴图像,它是能予以所往往前景/背景减法或两个目标分割算法来基本实现。都在,给定测试之中水滴图像,也时在是能字典中执行K-前段时间搜索来找寻到到我的所有w的左边位置。液滴  

    初衷下建立当一才会智能化的医院医院当医生,也时在是能医院医院当医生病房内予以传感器。也就也许所往往事也也都会发生在传感器左边,也就值得注意能算法来跟踪各不各不相同传感器左边别人。也许仅是能应用提供手卫生予以的细节,那见到是值得注意,也就希望能找寻到到一系列轨迹集X,另有x<X之中我的所有轨迹X均表示一组检测序列,而L_x=(l_x^{(1)},...,l_x^{(n)}均表示检测到的行人坐标。之一后验(MAP)怕是彻底解决。  

    接起来,也就假设当一马尔可夫链模型,它用给定的概率P(l_x^{(i+1)}|l_x^{i}将轨迹X之中我的所有左边检测l_x^{(i)}与后续检测l_x^{(i+1)}连接。计算成本C。  

    另有,f_i是均表示对应检测是否可以为是否可以业务变量,f_ij均表示对应检测是否可以链接我一起。为非常简单起见,也就假设所往往检测极具各不相各不相同概率,这等价于整个中会优化彻底解决,是能予以K-最短路径实时求解。  

    目前为止为止为止,也就已然明确的的了病房内所往往行人的轨迹(并无,当今世界医院医院当医生病房的地面左边位置)。的这一步是检测手部卫生并将其与特定轨道连接。的这也就将我的所有行人的轨迹标记为干净或不干净。  

    在实际生存生存环境,传感器的部署总在大受首次安装限制。还和一定意都在无意,由施工和维护核心技术负责人首次安装的传感器的角度和左边位置就各不各不相同,这意味着也就的模型还要对都在变动自己极具鲁棒性,以便那见到传统式的卷积神经侵删(CNN)的视角也许总在各不相各不相同,也就予以小空间变换侵删(STN)来代替。  

    (左)它在分割的数据情况扩展中会。(右)手部卫生犯罪行为分类:小空间变换加密集卷积神经侵删。  

    STN的输入是随机图像,输出是畸变图像。初衷利用自身模型更完美地继续学习,也就还为STN应用提供了人体分割,如人体膜。某些膜是能用经典的前景-背景核心技术或深度继续学习一种方法来提取。STN畸变将图像转换为继续学习透视不变形式。从当一失是否可以图像中,也就予以当一标准中的CNN(并无,DenseNet)对是否可以予以洗手液予以二进制分类。  

    这时,也就再度是能将轨迹集和单个手部卫生测试集相相互结合,该测试集引入了当一新变量:小空间和值得注意时间。是对我的所有手部卫生分类器测试(并无,利用自身中予以手部消毒剂),也就还要将它匹配到单个轨道。当轨道T不不能满足当一条件满足时ONS,分类器和跟踪器相互的匹配会发生:  

    是能永远存在多个轨迹来不不能满足都在其提出要求,则予以会选择与门前段时相互(x,y)左边位置来中断连接。也就模型的值得注意输出是轨迹列表T,另有我的所有轨迹由元素阵列(t,x,y,a)一定序列表组成,另有t均表示值得注意时间标记,x,y均表示二维地面坐标,a均表示最的新连贯动作或事件标记,予以T,是能计算超过标准中的比率或与金标准中的称赞指标予以相当。  

    目前为止,某些医院医院当医生利用自身神秘访客来衡量手卫生的予以情况严重。受过训练的每种人的的医院医院当医生医院当医生病房里四处走动,观察负责人是否可以私下洗手。当一神秘的来访者是能是当医生、医院当医生,晓得是来访者。也就称之为秘密观察,也许同于公众对审计的观察。Ion是初衷之一化霍桑效应(并无,也就没人在监视你,你变动自己在你犯罪行为)。如上所述,也就相当予以计算机视觉、在病房固定左边位置驻留的多个审计员、在病房环绕行走的单个审计员和予以RFID标签。  

    人工审计的好的效果要好得多,准确率为63%,三人好的效果较好,准确率可达72%。极具全局视野的软件系统。怎样才会并无标签是由它在标记的,为做做什么事它在观察者的任何人表现比算法差因并无,也就的真实标签也许远程标记的,也许实时标记的。远程注释器是能访问所往往传感器,并按时来回播放以确保它在的注释是正确的。到场审计器也许访问所往往传感器,晓得更才行也许及时回放事件。  

    手部卫生检测图像在各不各不相各不相同值得注意时间。蓝色方块均表示没人在予以洗手液。深蓝色均表示所往往更完美的另有会发生事也件。并无标签数字显示在底部。值得注意是对,空白越多,值得注意越差。  

    另有数字,更有趣的值得注意是视觉好的效果。上难道侵删数字显示到场审计员甚少检测手部卫生。你特别注意到所值得注意空白难道是能你看顺便真实标签的行,值得注意也许空格。这意味着观察者错一过许多的手部卫生事件。这值得注意是也就观察者心烦意乱:也就那见到打瞌睡,在病房的也还要五个地方看无关的参与其他组织,是能也就看不见ha。排名第一次卫生事件。  

    的这,也就以当一动画结束后。上难道动画数字显示了对医院医院当医生病房的俯瞰。也就也时在能跟踪的医院医院当医生医院当医生别人,也就也就总在见到也就的特定(x,y,z)左边位置。也就绘制了我的所显得,并创建了当一随值得注意时间变动自己的热图。l分析及在识别交通运行模式和追踪潜在的疾病传播以外方面相当切实有效。都在总在黄色/红色的区域代表意义拥挤的小空间。都在小空间值得注意毗邻走廊的交叉点或患儿病房的里面。是能你仔细观察,你就会发现静态审计师标记为红色。  

    也就展示了是否可以予以计算机视觉和深度继续学习来于动监控医院医院当医生之中手部卫生。在斯坦福PAC,手部卫生也许医疗新兴行业之中计算机视觉另有个例子。也就还利用自身中开发当一计算机视觉软件系统来监控患儿的运动,分析及患儿的运动质量。手术,仔细检查老年人的异常情况严重。  

    用于识别危险手卫生场景的视点不变卷积侵删。郭国学大师,A.哈克,S.杨,J.乔卜林,L.唐宁,A.阿拉希,B.坎贝尔,K.德鲁,W.贝纳蒂,A.米尔斯坦,L.菲菲。健康机器讲习班(ML4H),神经各类信息相关处理软件系统(N.IPS,长滩,CA,2017年12月。  

    迈向基于视觉的智能医院医院当医生:追踪和监测手部卫生依从性的软件系统。A.哈克,郭国学大师,A.阿拉希,S.杨,Z.罗,A.Rege,A.Singh,J.Jo.,L.Downing,W.Ben.i,T.Platchek,A.Milstein,L.Fei-Fei.MachineinHealth..(MLHC),波士顿,M.A,美国全球范围,2017年8月。  

    基于视觉的手部卫生监测医院医院当医生医院当医生.S.杨,A.阿拉希,Z.罗,B.彭,A.Haque,A.Singh,T.Platchek,A.Milstein,L.Fei-Fei.美国全球范围医学各类信息学协会(AMIA)年度研讨会,华盛顿特区,美国全球范围,2016年11月。