Prompt-enhanced Hierarchical Transformer Elevating Cardiopulmonary Resuscitation Instruction via Temporal Action Segmentation
英文翻訳:この研究では、突然の心臓発作を経験した人々の大多数は、周囲の人々によって心肺蘇生 (CPR)が試みられるものの、その試みはしばしば不完全なことが問題となっています。しかし、訓練を施すことで蘇生の成功率が向上することを示す研究も多数存在しています。そのために我々は新たな手法の組み合わせを常に求め、自身でマネキンへの心肺蘇生を試みる訓練者のビデオデータセットを収集し、ディープラーニングを用いたツールボックスを開発しました。この問題をコンピュータビジョンの時間的アクションセグメンテーション (TAS)という観点から研究し、未編集のビデオをフレームごとに区切るという目標を持ちます。ここでは、テキストプロンプトベースのビデオ特徴抽出器 (VFE)、トランスフォーマベースのアクションセグメンテーションエグゼキュータ (ASE)、回帰ベースの予測精製調整器 (PRC)の3つのモジュールを統合したPrompt-enhanced hierarchical Transformer (PhiTrans)を提案しています。このモデルの基礎となるのは、CPRデータセット上でのセグメンテーションパイプラインの掘り下げのために収集された3つの公開データセット (GTEA, 50Salads, Breakfast)です。全体として、我々はディープラーニングとアクションセグメンテーションを組み合わせた手法により、CPR教育の資格を実質的に向上させる可能性のあるパイプラインを探求する初の試みを行っています。これに関連する実験では、我々の実装により91.0%を超える複数の指標で結果が出ています。
1. この研究の学術的な背景は、周囲の人々によるCPRがしばしば失敗するという問題にあり、これを解決するための学術的な問いは、「CPRの成功率を如何に向上させるか？」にあります。
2. この研究の目的は、人々がやりたいと思うCPRの方法を改善し、そこからCPR訓練の成功率を向上させることにあります。そのために開発したVFE、ASE、PRCの3つのモジュールを統合した新しいフレームワーク（PhiTrans）は、ディープラーニングとビデオ解析を組み合わせた独自かつ創造的な解決法を提供します。
3. 筆者達は現状のCPR訓練が不十分であるという課題感からこの研究に着想を得ました。関連研究を見渡しても国内外にわたり同様の問題が注目されており、本研究はその中でディープラーニングとビデオ解析の新規な組み合わせという位置づけを持っています。
4. それぞれのフレームでCPR手順が正確に行われているかを判断する新しい手法（PhiTrans）を開発し、それを用いてマネキンに対するCPR動作を分析しました。
5. 有効性はGTEA, 50Salads, Breakfastの三つのデータセットで91.0%を超える結果を示すことで検証しました。