基于光流和自编码器的微表情检测方法

微表情检测广泛应用在谎言识别、心理健康和情感分析等场合,构建微表情检测模型需要充足的训练数据,但是标注微表情需要过高的成本,导致自发性微表情样本库数量过少,给微表情检测带来了极大的挑战。针对这个挑战提出一种新的微表情检测方法FLOW-AENET:提取人脸的光流特征,将光流特征作为自编码器的输入,利用深度学习模型对特征进行处理,再将学习到的特征加入SVM分类器中做二分类,在含有微表情的一类中,根据ROIS区域的变化程度判断出微表情产生的起始帧、顶峰帧和结束帧。在CASEME、CASME II等数据集上进行实验研究,结果表明,FLOW-AENET方法相比于其他方法具有明显的优势。

头孢呋辛钠联合清开灵对老年肺气肿合并感染的临床疗效

对头孢呋辛钠联合清开灵在老年肺气肿合并感染患者中的临床治疗效果予以探讨分析。方法:随机选取2010年10月至2012年10月在我院接受治疗的100例老年肺气肿合并感染患者,将其随机均分为2组,分别作为对照组(50)与观察组(50),对对照组患者单纯采用头孢呋辛钠进行治疗,对观察组患者采用头孢呋辛钠联合清开灵进行治疗,对比两组患者的临床治疗效果。结果:观察组患者的不良反应发生率为6.0%明显低于对照组患者的22.0%,且P<0.05,差异具有统计学意义;观察组患者的体温恢复正常时间、啰音消失时间、咳嗽消失时间、喘息消失时间、X线恢复正常时间均明显短于对照组患者,且P<0.05,差异具有统计学意义;观察组患者的临床治疗总有效率为94.0%明显高于对照组患者的72.0%且P<0.05,差异具有统计学意义。结论:将头孢呋辛钠联合清开灵应用到老年肺气肿合并感染患者的临床治疗中,能够明显降低患者不良反应发生率,提升患者的临床治疗效果,值得在临床应用中推广。