面向医疗护理的视觉监控医院患者跌倒检测

提出一种面向医院患者的视觉监控跌倒检测算法,解决患者由于意外跌倒不能被及时发现的问题,为医护人员快速处理患者跌倒等异常行为提供必要的技术保障。方法:首先,基于深度神经网络模型检测监控图像中人体关节点（如肩部、肘部、腕部、胯部、膝关节等）在图像中的位置,再根据亲和度向量场模型提取人体骨架,最后计算患者躯干、腿部与地面的夹角作为判别性特征,判断监控区域内是否有患者出现意外跌倒。结果:实验结果表明,本文所提算法在实际的医院监护环境中的处理速度高达25帧/s,检测准确率高达96%。结论:该方法能够实时、准确地提取医院环境下患者的行为特征,并针对意外跌倒情况发出警报,为医护人员监测患者跌倒等异常行为提供更准确、方便的计算机辅助医疗护理方法。     

基于3D体素增强和3D alpha背景分离的多发性硬化症病灶分割方法

目的:提出一种用于T1加权像、T2加权像和流体衰减反演恢复（Flair）磁共振图像的多发性硬化症（MS）病变分割方法。方法:首先基于3D图像增强技术,将高强度MS病变区域与其他组织区域区分开来。然后利用假阳性降低方法,去除一些强度和密度不均匀的假阳性目标区域（VOI）,并利用颜色分割法去除白质之外的VOI。最后利用彩色MR技术生成3个区域,以便细化分割MS病变。结果:在CHB数据集上进行测试,得到真阳率均值为0.48,Dice相似系数均值为0.52。结论:该方法能够有效去除噪声及其他无关非病变组织,并能准确识别并分割MS病变,该方法的有效性、准确性能为后续的MS分割技术分析提供依据。同时为MS病变的预防治疗、病情跟踪提供客观、方便的诊疗方法。 【关键词】多发性硬化症;病灶分割;3D体素增强;3D alpha背景分离;颜色分割技术