Dans cet article, nous proposons un pipeline d'analyse d'images et de détection d'événements de bloc opératoire (BO) préservant la confidentialité afin d'optimiser le flux de travail au bloc opératoire. Tout d'abord, un modèle basé sur la vision par ordinateur est utilisé pour générer un jumeau numérique (JN) du bloc opératoire avec des informations personnelles anonymisées à partir de l'image RVB d'origine. Ensuite, le modèle SafeOR (une approche à deux flux fusionnés), qui traite le masque de segmentation et la carte de profondeur, est utilisé pour détecter les événements au bloc opératoire. Les résultats d'évaluation utilisant 38 jeux de données de tests chirurgicaux simulés montrent que l'approche JN est aussi performante, voire meilleure, que le modèle basé sur l'image RVB d'origine. Le jumeau numérique permet l'analyse du flux de travail au bloc opératoire tout en préservant la confidentialité, et peut contribuer au partage de données anonymisées et à une meilleure généralisation du modèle entre les établissements.
