Система распознавания лиц сможет контролировать состояние пациентов отделения интенсивной терапии
By HospiMedica International staff writers Posted on 04 Jul 2019 |
В новом исследовании была оценена автоматизированная система, которая использует технологию распознавания лиц, чтобы непрерывно контролировать безопасность пациентов, поступающих в отделение интенсивной терапии (ОИТ).
Система, разработанная исследователями из Йокогамского городского университета (Yokohama City University; Япония), использует потолочные камеры, расположенные над кроватями пациентов. После сбора около 300 часов дневных данных изображений пациентов, находящихся перед камерой в положениях, при которых четко видны лицо и глаза, 99 изображений были подвергнуты алгоритму машинного обучения (МО) для их анализа. Основываясь на данных наблюдений, особенно за лицом субъекта, алгоритм МО научился определять потенциальное поведение с высокой степенью риска в процессе, напоминающем способ, которым человеческий мозг изучает новую информацию.
В исследование, направленное на проверку концепции, было включено 24 послеоперационных пациента (средний возраст 67 лет), которые были госпитализированы в ОИТ в Йокогамской городской университетской больнице в период с июня по октябрь 2018 года. В данном случае алгоритм МО смог выявить небезопасное поведение с высокой степенью риска, такое как случайное удаление дыхательной трубки, с точностью 75%. Также предполагалось, что мониторинг сознания может улучшить точность, помогая различать поведение с высоким риском и добровольное движение. Исследование было представлено на ежегодном конгрессе Euroanaesthesia, проходившем в июне 2019 года в Вене (Австрия).
"Используя снимки лица и глаз пациента, мы смогли обучить компьютерные системы распознавать движения рук с высокой степенью риска, — говорит ведущий автор и докладчик исследования Акане Сато (Akane Sato), доктор медицины. — Мы были удивлены высокой степени точности, которой мы достигли, что показывает, что эта новая технология может стать полезным инструментом для повышения безопасности пациентов и является первым шагом к созданию интеллектуального отделения интенсивной терапии, которое планируется открыть в нашей больнице".
Системы распознавания лиц используют биометрию для сопоставления черт лица по фотографии или видео. Затем анализируется геометрия лица с ключевыми факторами, включая межпапиллярное расстояние и расстояние от лба до подбородка. Всего существует более 65 количественных характеристик, которые можно использовать для идентификации лица, генерируя уникальную подпись лица.
Ссылки по теме:
Йокогамский городской университет
Система, разработанная исследователями из Йокогамского городского университета (Yokohama City University; Япония), использует потолочные камеры, расположенные над кроватями пациентов. После сбора около 300 часов дневных данных изображений пациентов, находящихся перед камерой в положениях, при которых четко видны лицо и глаза, 99 изображений были подвергнуты алгоритму машинного обучения (МО) для их анализа. Основываясь на данных наблюдений, особенно за лицом субъекта, алгоритм МО научился определять потенциальное поведение с высокой степенью риска в процессе, напоминающем способ, которым человеческий мозг изучает новую информацию.
В исследование, направленное на проверку концепции, было включено 24 послеоперационных пациента (средний возраст 67 лет), которые были госпитализированы в ОИТ в Йокогамской городской университетской больнице в период с июня по октябрь 2018 года. В данном случае алгоритм МО смог выявить небезопасное поведение с высокой степенью риска, такое как случайное удаление дыхательной трубки, с точностью 75%. Также предполагалось, что мониторинг сознания может улучшить точность, помогая различать поведение с высоким риском и добровольное движение. Исследование было представлено на ежегодном конгрессе Euroanaesthesia, проходившем в июне 2019 года в Вене (Австрия).
"Используя снимки лица и глаз пациента, мы смогли обучить компьютерные системы распознавать движения рук с высокой степенью риска, — говорит ведущий автор и докладчик исследования Акане Сато (Akane Sato), доктор медицины. — Мы были удивлены высокой степени точности, которой мы достигли, что показывает, что эта новая технология может стать полезным инструментом для повышения безопасности пациентов и является первым шагом к созданию интеллектуального отделения интенсивной терапии, которое планируется открыть в нашей больнице".
Системы распознавания лиц используют биометрию для сопоставления черт лица по фотографии или видео. Затем анализируется геометрия лица с ключевыми факторами, включая межпапиллярное расстояние и расстояние от лба до подбородка. Всего существует более 65 количественных характеристик, которые можно использовать для идентификации лица, генерируя уникальную подпись лица.
Ссылки по теме:
Йокогамский городской университет