Verbesserung der Wiederbelebungspraktiken für Neugeborene

Jedes Jahr sterben eine Million Neugeborene am ersten Lebenstag. Viele dieser Todesfälle passieren wegen Problemen während der Geburt, besonders bei der Geburtserstickung. Das bedeutet, dass ein Neugeborenes direkt nach der Geburt nicht genug Sauerstoff bekommt. In ärmeren Ländern brauchen viele Babys Hilfe, um zu atmen, und schnell zu reagieren ist entscheidend für ihr Überleben.

Es gibt Richtlinien für die Wiederbelebung von Neugeborenen, aber die Auswirkungen verschiedener Behandlungen sind nicht gut verstanden. Das Safer Births-Projekt untersucht dieses Thema und sammelt seit 2013 Daten während der Wiederbelebungsversuche im Haydom Lutheran Hospital in Tansania. Die Daten beinhalten Videoaufnahmen und Signale von Überwachungsgeräten, die an den Neugeborenen angebracht sind. Die Analyse dieser Daten kann uns helfen zu verstehen, wie verschiedene Wiederbelebungsmassnahmen die Gesundheit von Neugeborenen beeinflussen. Eine Zeitlinie der durchgeführten Aktivitäten während der Wiederbelebung könnte wertvolle Einblicke geben.

#Methoden

Um die gesammelten Daten zu analysieren, müssen wir uns die Aktivitäten anschauen, die während der Wiederbelebung stattfinden. Diese Aktivitäten beinhalten das Bereitstellen von Sauerstoff durch Bag-Masken-Beatmung, das Absaugen von Flüssigkeiten aus dem Mund und der Nase des Babys sowie das Überprüfen der Herzfrequenz des Babys. Videos dieser Aktivitäten sind oft laut und haben viele Variationen. Wir schlagen ein Verfahren vor, um Objekte in diesen Videos zu erkennen und zu verfolgen, auch wenn die Aktivitäten zeitlich überlappen.

Der erste Schritt in unserem Prozess ist, relevante Werkzeuge und Fachkräfte, wie den Bag-Masken-Wiederbeleber und Herzfrequenzsensoren, zu identifizieren und zu verfolgen. Nachdem wir die Objekte erkannt haben, ist der nächste Schritt, die Aktivitäten zu erkennen, die mit diesen Objekten stattfinden.

#Datensammlung

Die Daten, die in dieser Studie verwendet werden, stammen aus echten Videos von der Wiederbelebung von Neugeborenen. Diese Videos haben verschiedene Qualitätsprobleme, wie schlechte Beleuchtung, Kamerawinkel und Fokus. Unterschiedliche Kameratypen und Einstellungen erzeugen zusätzliche Variationen, die die Analyse beeinflussen können. Insgesamt wurden fast 500 Videos gesammelt, zusammen mit physiologischen Daten von den Neugeborenen.

Die Herausforderungen mit dem Videomaterial sind Bewegungsunschärfe, Okklusion und niedrige Bildraten, was es schwierig macht, klare Informationen darüber zu extrahieren, was passiert. Für die Analyse zielen wir darauf ab, klare Aktivitätszeitlinien zu entwickeln. Diese Zeitlinien dokumentieren Aktionen wie Beatmung, Absaugen und Stimulation des Babys.

#Objekterkennung

Ein erfolgreiches System zur Objekterkennung und -verfolgung ist entscheidend, um die während der Wiederbelebung durchgeführten Aktivitäten zu verstehen. Wir verwenden ein bekanntes Modell zur Objekterkennung namens YOLOv3, das schnell und genau ist, was es geeignet für die Analyse von Videos in Echtzeit macht.

Um die Leistung zu verbessern, nutzen wir eine Mischung aus echten Videobildern und synthetischen Daten, um unser Erkennungssystem zu trainieren. Durch die Generierung synthetischer Bilder, die die Herausforderungen in echten Videos widerspiegeln, schaffen wir einen robusten Trainingsdatensatz. Wir stellen sicher, dass unser Modell darauf trainiert ist, Objekte unter diesen anspruchsvollen Bedingungen zu erkennen.

#Ergebnisse

Unsere ersten Tests zeigen vielversprechende Ergebnisse. Während der Wiederbelebungsaktivitäten messen wir die Effektivität der Objekterkennung. Das System arbeitet gut und erreicht eine Genauigkeit von 97 % bei der Erkennung von Bag-Masken-Beatmungen, 100 % beim Anbringen oder Entfernen von Herzfrequenzsensoren und 75 % beim Absaugen.

Ausserdem kann das System die Anzahl der während der Wiederbelebung anwesenden Gesundheitsdienstleister schätzen. Die Erkennung der Hände von Gesundheitsdienstleistern erreicht eine Genauigkeit von 71 %. Allerdings variiert die Leistung je nach Anzahl der anwesenden Anbieter, es funktioniert gut, wenn nur wenige da sind, hat aber Schwierigkeiten, wenn viele beteiligt sind.

#Diskussion

Die Analyse von Videos zur Wiederbelebung von Neugeborenen kann enorm von einem automatischen System profitieren, das Objekte erkennt und Aktivitäten verfolgt. Eine verbesserte Objekterkennung kann zu einem besseren Verständnis der Schritte führen, die während der Wiederbelebung unternommen werden, und es den Gesundheitsfachleuten ermöglichen, informierte Entscheidungen über ihre Praktiken zu treffen.

Es gibt einige Einschränkungen im aktuellen System. Zum Beispiel kann die Erkennung von Absauggeräten knifflig sein, weil sie kleiner und transparent sind. In Videos mit niedrigen Bildraten oder verschwommenen Bildern wird die Identifizierung dieser Werkzeuge noch herausfordernder.

In zukünftigen Verbesserungen planen wir, die Erkennung der Hände von Gesundheitsdienstleistern zu verfeinern, indem wir zwischen linken und rechten Händen unterscheiden. Das könnte helfen, die Anzahl der anwesenden Personen während der Wiederbelebungsaktivitäten zu verbessern.

#Zukünftige Arbeiten

In den nächsten Schritten möchten wir ein komplettes System entwickeln, das Echtzeit-Feedback während der Wiederbelebung von Neugeborenen geben kann. Das Ziel ist es, ein Werkzeug zu schaffen, das Gesundheitsfachleute nutzen können, um ihre Praktiken zu überprüfen und zu verbessern. Ausserdem werden wir weiterhin kombinierte Datentypen erforschen, um unser Erkennungssystem besser zu trainieren.

Es besteht auch die Möglichkeit, Schulungen mit diesem System durchzuführen. Durch die Bereitstellung von Bildungswerkzeugen, die echte Videos einbeziehen, können Gesundheitsarbeiter in ressourcenarmen Umgebungen aus den gesammelten Daten lernen.

#Fazit

Die Arbeit, die im Rahmen des Safer Births-Projekts geleistet wird, zielt darauf ab, das Verständnis und die Praktiken in der Wiederbelebung von Neugeborenen zu verbessern. Durch den Fokus auf präzise Objekterkennung und Aktivitätsanerkennung können wir wertvolle Einblicke geben, wie Wiederbelebungsmassnahmen die Ergebnisse für Neugeborene beeinflussen.

Es gibt grosses Potenzial für Forschung in diesem Bereich, da Verbesserungen in Technologie und Datensammlungsmethoden weitergehen. Diese Forschung beleuchtet nicht nur aktuelle Praktiken, sondern legt auch die Grundlage für zukünftige Verbesserungen in der Gesundheitsversorgung für Neugeborene.

Das ultimative Ziel ist es, Leben zu retten, indem sichergestellt wird, dass Gesundheitsdienstleister die besten Werkzeuge und das nötige Wissen in kritischen Momenten zur Verfügung haben. Durch die Nutzung der aus realen Situationen gesammelten Daten können wir das Verständnis transformieren und die Ergebnisse in der Gesundheit von Neugeborenen verbessern.