Ein auf Deep Learning basierender Kameraansatz zur Überwachung der Vitalparameter von Intensivpatienten mithilfe von Thermografiebildern

Die Infrarotthermografie zur kamerabasierten Messung der Hauttemperatur wird zunehmend in der medizinischen Praxis eingesetzt, z. B. zur Erkennung von Fieber und Infektionen, wie zuletzt während der COVID-19-Pandemie.

Diese kontaktlose Methode ist eine vielversprechende Technologie zur kontinuierlichen Überwachung der Vitalparameter von Patienten in klinischen Umgebungen. In dieser Studie untersuchten wir sowohl die Messung des Verlaufs der Hauttemperatur als auch die Erfassung atembedingter Bewegungen des Brustkorbs zur Bestimmung der Atemfrequenz unter Verwendung kostengünstiger Hardware in Kombination mit fortschrittlichen Algorithmen.

Darüber hinaus wurde die Häufigkeit medizinischer Untersuchungen oder Besuche bei den Patienten erfasst. Wir implementierten einen auf Deep Learning basierenden Algorithmus zur Echtzeit-Extraktion von Vitalparametern aus Thermografiebildern. Es wurde eine klinische Studie durchgeführt, um Daten von Patienten auf einer Intensivstation aufzuzeichnen. Der Objektdetektor YOLOv4-Tiny wurde eingesetzt, um Bildbereiche zu extrahieren, die Vitalparameter enthalten (Kopf und Brustkorb).

Die Infrarotbilder wurden zur Auswertung manuell beschriftet. Die Validierung wurde anhand eines separaten Testdatensatzes mit 6 Patienten durchgeführt und zeigte eine gute Detektorleistung (0,75 Intersection over Union, 0,94 Mean Average Precision). Zur Ermittlung der Atemfrequenz aus dem Brustbereich wurde ein Optical-Flow-Algorithmus verwendet.

Die Ergebnisse zeigen einen mittleren absoluten Fehler von 2,69 Atemzügen pro Minute. Für YOLOv4-Tiny wurde auf einem NVIDIA-Jetson-Xavier-NX-Modul eine Rechenleistung von 47 fps beobachtet, was die Echtzeitfähigkeit auf einem eingebetteten GPU-System belegt. Zusammenfassend lässt sich sagen, dass die vorgeschlagene Methode eine Echtzeit-Extraktion von Vitalparametern auf einem kostengünstigen System-on-Module durchführen kann und somit eine nützliche Methode für zukünftige kontaktlose Messungen von Vitalparametern darstellen könnte.

Projektdatum:

• 21.02.2021

Link:

• https://www.mdpi.com/1424-8220/21/4/1495