基于深度学习的患者麻醉复苏过程中的头部运动幅度分类方法

作者：吴筝; 程志友; 汪真天; 汪传建^*; 王胜; 许辉

来源：计算机应用, 2023, 1-7.

• 深度学习
• 麻醉复苏
• 头部姿态估计
• 头部定位
• 实时监测图

头部姿态估计在很多领域都有广泛研究，然而在医学领域，利用头部姿态估计去监测麻醉恢复室(PACU)中患者复苏问题的研究很少。现有的从单个图像中学习用于头部姿态估计的细粒度结构聚合网络(FSA-Net)存在收敛效果差，参数过拟合的问题。针对以上问题，利用300W-LP、AFLW2000和BIWI三个公开数据集，对患者麻醉复苏过程中的头部运动进行监测，基于头部姿态估计提出了一种患者头部运动幅度分类方法。首先，将FSA-Net其中一个stream的激活函数线性整流单元(ReLU)替换为带有泄露修正线性单元(LeakyReLU)，从而优化模型的收敛效果，同时用AdamW(Adam Weight decay optimizer)优化器替换Adam优化器，用以解决参数过拟合问题。其次，对患者头部运动幅度进行分类，分为小幅度，中幅度以及大幅度运动。最后，利用PHP(Hypertext Preprocessor)、ECharts(EnterpriseCharts)以及PostgreSQL实现数据可视化，绘制患者头部运动实时监测图。实验结果表明，在AFLW2000数据集上，改进的FSA-Net的检测平均检测误差比原FSA-Net的平均检测误差缩小了0.334°，在BIWI数据集上，改进的FSA-Net的检测平均检测误差比原FSA-Net的平均检测误差缩小了0.243°。因此，改进模型在麻醉复苏检测中具有实际效果，能够辅助医护人员对患者进行复苏判定。

• 出版日期2023
• 单位安徽大学; 中国科技大学