计算机应用

作者：吴筝, 程志友, 汪真天, 汪传建, 王胜, 许辉

单位：1.安徽大学 互联网学院，合肥 230031；2.中国科技大学附属第一医院 麻醉科，合肥 230031

关键词：深度学习,麻醉复苏,头部姿态估计,头部定位,实时监测图

基金：国家自然科学基金资助项目(82272225)

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共3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）替换为带有泄漏修正线性单元（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，解决参数过拟合问题。其次，对患者麻醉复苏中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数据集和BIWI数据集上，改进的FSA-Net的平均绝对误差比原FSA-Net的平均绝对误差分别减小了0.334°和0.243°。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麻醉复苏判定。

来源：2024年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2024年第7期