基于局部图金字塔的不规则块匹配视频分割方法

跳水、体操等视频中的运动员一般着装比较单一、肤色裸露,将这种视频帧图像用图的形式表示出来可以划分为少数的几个连通分量.根据这一特点,本文提出了一种基于局部图金字塔的不规则块匹配视频分割方法,该方法首先将图像以图的数据结构表示,采用假设检验的方法来合并相邻区域的图像块.在分割得到第一帧前景区域之后,根据帧间运动的连续性,运用不规则块匹配方法找到当前帧中的前景区域,匹配准则借鉴了聚类分析中变量相关性的相关系数方法.实验结果表明,这种方法能实时地、准确地分割出跳水、体操等视频中的运动员.     

中医不寐知识图谱构建与知识发现

目的 系统梳理中医不寐知识,构建中医不寐知识图谱,实现知识关联、知识融合及深度挖掘,为智能化诊疗提供新的路径与方法。方法 以《景岳全书》《类证治裁》等中医古籍和《中医内科学》《针灸学》等国家规划教材为数据来源,通过本体构建、语义消歧等方法得到结构化数据,利用Cypher语言导入Neo4j数据库,构建中医不寐知识图谱,并进行知识检索和知识发现。结果 构建出包含527个节点、1 067条关系的中医不寐知识图谱,并从理、法、方、药4个方面入手,完成了知识检索与知识发现。结论 中医不寐知识图谱可以使用户直观、高效地获取相关知识,了解改善睡眠的方法,有效助推传统医学的继承与发展,为中医智能辅助诊疗提供新思路。     

一种基于实例分割的舌体分割方法

目的 使用实例分割算法提高舌体分割的准确性,并支持智能舌诊。方法 将采集到的962张分辨率为5568×3712的舌面图像,预裁剪为1400×1400,图像中保留舌体、唇部和少部分皮肤;然后采用数据标注工具Labelme对舌体进行标注,并使用BlendMask算法分割舌体。结果 BlendMask算法的定位精度为99.77%,而分水岭算法、GrabCut算法和Mask R-CNN算法的定位精度分别为45.20%、70.52%和93.37%。BlendMask算法的定位精度与上述3种算法相比分别提高了54.57%、29.25%和6.40%。结论 BlendMask算法可以准确分割舌体,支持智能舌诊,为中医智能化舌诊提供参考。     

融合汉字部首的BERT-BiLSTM-CRF中医医案命名实体识别模型

目的/意义 研究提取中医医案中医疗术语的方法,实现医案自动结构化,为医案知识发现提供结构化数据。方法/过程 提出一种BERT结合长短期记忆人工神经网络、条件随机场和部首特征的深度学习命名实体识别模型,在BERT词向量中嵌入汉字部首,采用双向长短期记忆人工神经网络提取实体特征,使用条件随机场进行序列预测。将人工标注的400份共计5万余字的医案按照3∶1划分为训练集和测试集,使用该模型识别中医医案中的身体部位、药物、症状、疾病4类命名实体。结果/结论 该模型在测试集F1值为84.81%,优于其他未嵌入部首的模型,表明该模型能够更有效地识别中医医案中的命名实体,更好地结构化医案。