基于深度高斯过程回归的术中失血量和血红蛋白损失量估计

作者：钟坤华; 陈芋文^*; 秦小林; 张力戈; 李雨捷; 胡小艳; 易斌

来源：计算机应用, 2023, S2: 306-311.

• 术中失血量
• 密集连接卷积网络
• 深度高斯过程回归
• 特征提取
• 血红蛋白

动态、准确地估计失血量对围手术期管理非常重要，但测量术中失血量是一项困难的任务，特别是当血液被医用纱布吸收时。针对上述情况，以浸血医用纱布图像为研究对象，提出一种基于密集连接卷积网络（DenseNet）的深度多任务高斯过程回归（DMGPR）方法，以估计术中失血量和血红蛋白（Hb）损失量。DMGPR方法包括两部分：用于自动特征提取的密集连接卷积网络（DenseNet）和用于失血量及Hb损失量估计的多任务高斯回归过程（MGPR）。在手术室正常光照条件下，采集了569张浸血纱布图像，并对这些图像进行在线扩充，构建实验数据集。以决定系数（R2）、均方误差（MSE）和平均绝对误差（MAE）为性能指标，对DMGPR方法进行评估和对比。在失血量估计方面，DMGPR方法的R2、MSE和MAE分别为0.971、0.080和0.151；而在Hb损失量估计方面，DMGPR方法的相应结果分别为0.950、0.217和0.292。实验结果表明，DMGPR可以动态、准确地估计术中失血量和Hb损失量，并且比其他对比方法具有更好的性能，更适合于主要使用医用纱布和小到中度失血的手术。

• 单位
  中国科学院重庆绿色智能技术研究院; 中国人民解放军陆军军医大学; 中国科学院成都计算机应用研究所