基于深度学习的多模态气管插管智能目标检测

来源：上海理工大学学报杂志2021年第5期北京时间：

作者：徐天意，夏明，李峰，常敏，姜虹

单位：上海交通大学医学院附属第九人民医院 麻醉科，上海 200011,上海交通大学医学院附属第九人民医院 麻醉科，上海 200011,上海理工大学 医用光学技术与仪器教育部重点实验室，上海 200093,上海理工大学 医用光学技术与仪器教育部重点实验室，上海 200093,上海交通大学医学院附属第九人民医院 麻醉科，上海 200011

摘要：针对困难气道气管插管过程中内窥镜图像视角较小、目标尺度变化大、相互遮挡等问题，融合内窥镜图像和CO2浓度信息，提出基于深度学习的多模态气管插管智能目标检测算法。首先，对传统的YOLOv3网络进行改进，利用不同扩张率的空洞卷积构建并行多分支空洞卷积模块，并对输出特征进行上采样和张量拼接；其次，根据多路CO2浓度差异，利用矢量化定位算法定位目标中心位置，校正YOLOv3得到的边界框的中心坐标，提升小目标检测的精度，辅助气道位置的定位；最后，基于该算法，研发了新型多模态气管插管辅助装置初代样机，并在模拟气道中进行实验，验证其可行性。在模拟气道中，该新型辅助装置的操作时间中位数为15.5 s，操作成功率可达97.3%。研究结果表明，基于深度学习的多模态气管插管智能目标检测算法能够有效地辅助气管插管操作。

关键词：深度学习;多模态;卷积神经网络;目标检测

基金资助：上海市科委生药支撑项目（18441904600）；上海申康中心临床技能与临床创新三年行动计划（SHDC2020CR3043B）