研究无接触医疗成像系统的抓取交互

全身交互与体感输入外科手术辅助与医疗培训生物传感器与生理监测医生、护士、临床医生外科医生(手术辅助系统)HCI 研究员

文献标题

Investigating Clutching Interactions for Touchless Medical Imaging Systems

文献信息

  • 主题领域: 人机交互 (HCI),医疗图像系统
  • 关键词: Clutching, 手势, 医疗图像系统, Midas Touch, PACS, 无触交互

研究背景与问题

  • 发现的问题或挑战:
    • 传统的鼠标和键盘等输入设备可能导致医务人员在无菌环境中无法直接操作医疗图像系统。
    • 无触交互中的非期望输入(如误识别的手势或语音命令)在医疗场景中特别具有破坏性,可能导致工作流程中断,甚至影响患者治疗。
  • 重要性:
    • 医疗环境对无菌性的严格要求需要减少人员与共享设备表面的接触,同时确保可靠的交互方式。
    • 医疗图像系统(如 PACS)在临床工作中至关重要,快速访问和编辑患者影像可改善治疗的准确性和效率。
  • 研究动机与相关工作:
    • 当前的无触技术虽然受到关注,但对于如何有效区分有意输入和非交互动作缺乏深入研究。
    • 此前的研究中虽然提出了部分无触交互方案,但在医疗环境中的广泛实际应用存在许多挑战。

解决方案

  • 方法或解决方案:
    • 提出了一个原型无触 PACS 接口,集成了四种“Clutching”(切换输入模式)机制:
      1. 手势
      2. 语音
      3. 活动区域(Active Zone)
      4. 注视(Gaze)
    • 这些方法用于激活或停用系统的输入,减少误识别,提高在医疗环境中的可靠性。
  • 创新之处:
    • 首次深入比较四种切换机制的表现(显式和隐式方法),并从用户体验视角揭示其在医疗应用中的适用性。
    • 调查了如何在实际医院场景中设计和集成无触交互。
  • 实施步骤及关键技术:
    • 设计实验样本:与34位医院医疗专业人员合作,模拟术中和术后场景。
    • 定义实验任务:包括患者影像浏览、图像操作(如缩放、旋转等)、报告查看等常见 PACS 操作。
    • 使用 Azure Kinect 和相关云服务构建交互系统,用于语音识别、注视检测以及手势追踪。

研究成果

  • 具体成果:
    • 定量结果: 活动区域(Active Zone)方法在切换成功率(100%)和用户综合任务负荷(NASA-TLX量表评分)方面表现最佳。
    • 定性反馈:
      • 不同切换方法的优缺点:
        • 手势方法:易学习但受防护装备影响。
        • 语音方法:使用直观,但存在语音识别失败和环境噪音干扰问题。
        • 注视方法:自动化程度高,但易误解导致用户控制感缺失。
        • 活动区域方法:流畅融合于用户操作习惯,与现有工作流程兼容性高。
      • 医务人员认为,能够直接控制 PACS 而无需中间人“代理”操作,对工作效率提高有重要意义。
    • 重点分析了触控与无触交互在医疗环境中如何通过减少传播病原体的表面接触,优化用户体验。
  • 与现有解决方案的优势:
    • 活动区域能够自然地融入现有临床工作流程,并且比其他显式方法需要更少的用户认知负担。
    • 通过提出一种无触交互中的安全认证结合方案,讨论了通过无触交互提升安全性与效率的可能性。
  • 实验和评估:
    • 多样化的实验任务设计、方法比较和对比分析提供了系统性评估。
    • 实验获得了关键性定量数据(如切换成功率、操作时间)以及深入的用户反馈。
  • 局限性与未来方向:
    • 局限性:
      • 研究实验场地控制良好,可能无法完全反映真实医院场景(如噪声、拥挤)。
      • 当前未解决前述方法在存在多个用户以及动态情况下如何部署的问题。
    • 未来方向:
      • 探索活动区域的动态可配置性及确保多用户环境中“主导用户”的识别机制。
      • 综合使用语音、手势与注视等方式实现无触交互的多模态融合,进一步优化用户体验。
      • 在医疗场所应用无触交互时解决语音环境噪音干扰以及 PPE 识别精度问题。

快捷操作

分享

分享当前页面

ios_share

https://hci.top/zh/papers/chi/72171/2022

广告推荐

学习 AI 编程到 CodeNow

open_in_new打开DOI链接
DOI: https://dl.acm.org/doi/abs/10.1145/3491102.3517512
一眼看懂

论文快照

fact_check
dataset
来源
CHI
calendar_month
年份
2022
emoji_events
奖项
未标记奖项
group
作者
3 位作者
sell
研究子方向
全身交互与体感输入、外科手术辅助与医疗培训、生物传感器与生理监测
work
职业/产业
医生、护士、临床医生、外科医生(手术辅助系统)、HCI 研究员
article
内容状态
已索引正文
hub
相关论文
0 篇相关论文