More Than Meets the Eye: Analyzing Anesthesiologists’ Visual Attention in the Operating Room Using Deep Learning Models

要約

モニターに表示される患者のバイタルサインにより、麻酔科医の視覚的注意 (VA) が全身麻酔下の患者の安全な管理における重要な要素となります。
さらに、前記ＶＡの分布および麻酔期間中の特定の合図を獲得する能力は、患者の転帰に直接影響を与える可能性がある。
現在、ほとんどの研究ではウェアラブル視線追跡技術を採用して、麻酔科医の視覚パターンを分析しています。
ウェアラブル デバイスは、細心の注意を払ったデータを生成することはできますが、手術室 (OR) でのデータ収集のための大規模または長期的な使用には持続可能なソリューションではありません。
そこで、モニターに取り付けられたウェブカメラを処理する深層学習モデルの形で新しい視線追跡方法を利用することで、継続的な行動データを収集し、自然なワークフローへの影響を最小限に抑えながら麻酔科医の VA 分布についての洞察を得ることができました。
この研究では、提案されたフレームワークを使用して OR ビデオ録画を収集し、さまざまな視覚的行動パターンを比較しました。
私たちは、平穏な期間のベースライン VA 分布と、活動期または重大な予期せぬインシデントに関連するパターンとを区別しました。
将来的には、このようなプラットフォームは手術室におけるコンテキスト認識支援技術の重要なコンポーネントとして機能する可能性があります。

要約(オリジナル)

Patient’s vital signs, which are displayed on monitors, make the anesthesiologist’s visual attention (VA) a key component in the safe management of patients under general anesthesia; moreover, the distribution of said VA and the ability to acquire specific cues throughout the anesthetic, may have a direct impact on patient’s outcome. Currently, most studies employ wearable eye-tracking technologies to analyze anesthesiologists’ visual patterns. Albeit being able to produce meticulous data, wearable devices are not a sustainable solution for large-scale or long-term use for data collection in the operating room (OR). Thus, by utilizing a novel eye-tracking method in the form of deep learning models that process monitor-mounted webcams, we collected continuous behavioral data and gained insight into the anesthesiologist’s VA distribution with minimal disturbance to their natural workflow. In this study, we collected OR video recordings using the proposed framework and compared different visual behavioral patterns. We distinguished between baseline VA distribution during uneventful periods to patterns associated with active phases or during critical, unanticipated incidents. In the future, such a platform may serve as a crucial component of context-aware assistive technologies in the OR.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google