Video-Based Respiratory Rate Estimation for Infants in the NICU
Notice bibliographique
Résumé
OBJECTIVE: Non-contact respiratory rate estimation (RR) is highly desirable for infants because of their sensitive skin. We propose a novel RGB video-based RR estimation method for infants in the neonatal intensive care unit (NICU) that can accurately measure the RR contact-less. METHODS AND PROCEDURES: We utilize Eulerian video magnification (EVM) method and develop an adaptive peak prominence threshold value estimation method to address challenges of RR estimation (e.g., dark environments, shallow breathing, babies swaddled or under blankets). We recruited 13 infants recorded for 4 consecutive hours per case. We then evaluate the performance of the algorithm for several (i.e., 19 to 25) randomly selected videos, each lasting 1 minute, for each case. RESULTS: Intraclass correlation coefficients of the proposed method over manually and automatically selected ROIs are 0.91 (95%CI: [Formula: see text]) and 0.88 (95%CI: [Formula: see text]), indicating excellent and good reliability, respectively. The Bland-Altman analysis of the proposed algorithm shows higher agreement between the estimated values via the proposed method and visually counted RR than the agreement between the RR obtained from the impedance sensors and reference RR, and agreement between a former EVM-based method and reference RR values. CONCLUSION: Our algorithm shows promising results for RR estimation in a real-life NICU environment under various conditions that can confound the estimation. CLINICAL IMPACT: We present a robust algorithm for non-contact neonatal respiratory rate monitoring, capable of performing well under various environmental lighting conditions in NICU, even when the infant is clothed or covered.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».