本文介绍了我们开发的具有智能化监测和视觉评估功能的 Intelligent Intensive Care Unit (I2CU) 系统结构，该系统使用感知和数据处理，从多个模式收集数据，包括深度图像、颜色 RGB 图像、加速度计、肌电图、声压和光强度，用于连续和细粒度的重症监护和评估。

Mar, 2023

通过分析面部行为单元和视觉线索，利用人工智能技术提供更客观、细粒度的重症监护环境中患者的评估和监测能力。

Nov, 2023

通过结合可穿戴传感器数据和电子健康记录，利用人工智能技术开发的新的病情评估得分模型可以成功区分危重病患者的稳定和不稳定状态。

Nov, 2023

本文提出了一种新方法，利用视频帧的时间连续性，通过重新分配图像色彩通道来改善病人监测中出现的假象对监测数据的影响，从而实现病人监测的自动化和信息化。

Jun, 2023

使用 Multiscale Vision Transformer（MViTv2）来 passively 预测 Intensive Care Unit（ICU）中的 Nursing Activities Score（NAS），以自动监控员工工作量。通过分析低分辨率的热成像视频记录，MViTv2 模型以直接和间接的方式预测 NAS，并在预测 NAS 方面表现出较高的准确性。

May, 2024

本文介绍了一种基于视觉变换器模型的端到端面部行为分析实时检测方法，评估了两种视觉变换器模型（ViT 和 SWIN）在 Pain-ICU 数据集上的 AU 检测能力，并证明了 SWIN transformer Base variant 可以实现 0.88 F1-score 和 0.85 准确度的 AU 检测。

Nov, 2022

本研究提出一种基于计算机视觉的智能医院系统，用于跟踪医务人员、患者和访客的行动，并提高医院的运营效率和患者护理质量，特别是在手部卫生合规性的测量方面优于现有解决方案，为建立计算机视觉智能医院的发展迈出了一步，有望降低医院获得性感染的发生率。

Aug, 2017

我们提出了一种新颖的超图卷积网络，可以捕捉隐藏的特征结构，计算个性化的死亡风险预测，评估表明我们的方法在死亡风险预测上优于现有模型，并且几个案例研究的结果证明了构建图网络在决策中提供良好的透明性和稳健性。

Aug, 2023

本研究提出一种新的方法，使用电子健康记录（EHR）的医疗文本，通过多视图图表和图卷积网络对患者出院小结进行表征学习，以预测重返重症监护病房的风险，获得了最优的预测效果。

Dec, 2021

高技术要求且患者结局至关重要时，通过客观运动分析反馈监测和改进外科技能的机会可能特别有益。本综述通过对技术和非技术外科技能、协作任务表现和姿态估计的研究进行综合，揭示了通过计算机视觉和人工智能的创新推进心胸外科手术性能的新机遇。这些技术创新从纵向上评估其对心胸外科手术界所带来的益处，并详细阐述了采用该技术的障碍。如同其他一些专业一样，心胸外科手术相对较少有机会从嵌入数据采集技术的工具中受益（例如机器人辅助腹腔镜手术）。在这种情况下，允许在常规手术领域中进行运动追踪而不使用专业设备或标记的姿态估计技术具有相当大的潜力。借助来自模拟或真实外科手术过程的视频数据，这些工具可以（1）深入了解外科医生职业生涯中专业知识和手术性能的发展，（2）为实习外科医生提供改进方面的反馈，（3）研究与患者结局有关的技能方面，并（4）在培训或指导计划中确定应重点关注的外科技能方面提供支持。利用人工智能进行 ' 学习 ' 专家外科评估者的专业知识的分类器或评估算法可以进一步帮助教育工作者确定实习生是否达到了胜任水平。

Feb, 2024