Gravador de vídeo de imagens médicas com visão computacional e desfoque facial
DOI:
https://doi.org/10.59681/2175-4411.v16.iEspecial.2024.1297Palavras-chave:
Inteligência Artificial, Gravação de Vídeo, Cirurgia LaparoscópicaResumo
Soluções modernas para registro de procedimentos médicos representam tecnologia de ponta que ainda está surgindo e enfrentando desafios. Este artigo apresenta o Life Surgery Box, um gravador de vídeo brasileiro autônomo de imagens sincronizadas e multimodais. Objetivo: apresentar o desenvolvimento e prototipagem do equipamento, destinado ao uso tanto em salas cirúrgicas quanto em consultórios médicos. Método: envolve a descrição de suas arquiteturas de hardware e software, com foco em um algoritmo de desfoque facial baseado em inteligência artificial. Resultados: destacam as otimizações de desempenho para processamento eficiente de vídeo e os artefatos gerados pelo equipamento. Conclusão: a solução proposta exemplifica os avanços tecnológicos e representa uma contribuição inovadora para a tecnologia em saúde.
Referências
Scherer L A, Chang M C, Meredith J W, Battistella F D. Videotape review leads to rapid and sustained learning. Am J Surg. 2003;185(6):516–20. https://doi.org/10.1016/S0002-9610(03)00062-X. DOI: https://doi.org/10.1016/S0002-9610(03)00062-X
Bonrath E M, Gordon L E, Grantcharov T P. Characterising ‘near miss’ events in complex laparoscopic surgery through video analysis. BMJ Qual Saf. 2015; 24(8):516–21. https://doi.org/10.1136/bmjqs-2014-003816. DOI: https://doi.org/10.1136/bmjqs-2014-003816
Hu Y Y, Peyre S E, Arriaga A F, et al. Postgame analysis: using video-based coaching for continuous professional development. J Am Coll Surg. 2012; 214(1):115–24. https://doi.org/10.1016/j.jamcollsurg.2011.10.009. DOI: https://doi.org/10.1016/j.jamcollsurg.2011.10.009
Bogen E M, Augestad K M, Patel H R, Lindsetmo R O. Telementoring in education of laparoscopic surgeons: An emerging technology. World J Gastrointest Endosc. 2014;6(5):148–55. https://doi.org/10.4253/wjge.v6.i5.148. DOI: https://doi.org/10.4253/wjge.v6.i5.148
Møller K E, Sørensen J L, Topperzer M K, Koerner C, Ottesen B, Rosendahl M, Grantcharov T, Strandbygaard J. Implementation of an Innovative Technology Called
the OR Black Box: A Feasibility Study. Surg Innov. 2023;30(1):64-72. https://doi.org/10.1177/15533506221106258. DOI: https://doi.org/10.1177/15533506221106258
Rex D K, Hewett D G, Raghavendra M, Chalasani N. The impact of videorecording on the quality of colonoscopy performance: a pilot study. Am J Gastroenterol. 2010;105(11):2312-7. https://doi.org/10.1038/ajg.2010.245. DOI: https://doi.org/10.1038/ajg.2010.245
Bergström H, Larsson L G, Stenberg E. Audio-video recording during laparoscopic surgery reduces irrelevant conversation between surgeons: a cohort study. BMC Surg. 2018;18(1):92. https://doi.org/10.1186/s12893-018-0428-x. DOI: https://doi.org/10.1186/s12893-018-0428-x
Silas M R, Grassia P, Langerman A. Video recording of the operating room--is anonymity possible? J Surg Res. 2015;197(2):272-6. https://doi.org/10.1016/j.jss.2015.03.097. DOI: https://doi.org/10.1016/j.jss.2015.03.097
International Electrotechnical Commission. IEC 60601-1: Medical electrical equipment - Part 1: General requirements for basic safety and essential performance. Revision 3.2. August 2020.
Minaee S, Luo P, Lin Z, Bowyer K. Going Deeper Into Face Detection: A Survey. 2021. ArXiv. /abs/2103.14983.
Feng Y, Yu S, Peng H, Li Y, Zhang J. Detect Faces Efficiently: A Survey and Evaluations. 2021. ArXiv. https://doi.org/10.1109/TBIOM.2021.3120412. DOI: https://doi.org/10.1109/TBIOM.2021.3120412
Deng J, Guo J, Zhou Y, Yu J, Kotsia I, Zafeiriou S. RetinaFace: Single-stage Dense Face Localisation in the Wild. 2019. ArXiv. /abs/1905.00641. DOI: https://doi.org/10.1109/CVPR42600.2020.00525
RetinaFace in PyTorch. https://github.com/biubug6/Pytorch_Retinaface.
Yang S, Luo P, Loy C C, Tang X. WIDER FACE: A Face Detection Benchmark. 2015. ArXiv. /abs/1511.06523. DOI: https://doi.org/10.1109/CVPR.2016.596
Howard A G, Zhu M, Chen B, Kalenichenko D, Wang W, Weyand T, Andreetto M,
Adam H. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications. 2017. ArXiv. /abs/1704.04861.
Zhu Y, Cai H, Zhang S, Wang C, Xiong Y. TinaFace: Strong but Simple Baseline for Face Detection. 2020. ArXiv. /abs/2011.13183.
Liu Y, Tang X, Wu X, Han J, Liu J, Ding E. HAMBox: Delving into Online High-quality Anchors Mining for Detecting Outer Faces. 2019. ArXiv. /abs/1912.09231.
Li J, Wang Y, Wang C, Tai Y, Qian J, Yang J, Wang C, Li J, Huang F. DSFD: Dual Shot Face Detector. 2018. ArXiv. /abs/1810.10220. DOI: https://doi.org/10.1109/CVPR.2019.00520
He K, Zhang X, Ren S, Sun J. Deep Residual Learning for Image Recognition. 2015. DOI: https://doi.org/10.1109/CVPR.2016.90
ArXiv. /abs/1512.03385.
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0.
A submissão de um artigo ao Journal of Health Informatics é entendida como exclusiva e que não está sendo considerada para publicação em outra revista. A permissão dos autores para a publicação de seu artigo no J. Health Inform. implica na exclusiva autorização concedida aos editores para incluí-lo na revista. Ao submeter um artigo, ao autor será solicitada a permissão eletrônica de um Termo de Transferência de Direitos Autorais. Uma mensagem eletrônica será enviada ao autor correspondente confirmando o recibo do manuscrito e o aceite da Declaração de Direito Autoral.
