基于BGRU-FUS-NN神经网络的姿态情感计算方法研究

情感计算研究是近些年人机交互领域的热门研究方向,其相关研究目前主要集中在面部表情和语音模态,基于姿态模态的情感计算研究相对较少.文中提出了一种基于姿态的新型情感计算算法,利用虚拟现实(VR)设备来唤醒用户的情感,使用摄像机采集用户的非表演动作数据,重新定义了19个人体运动关键点,将用户动作数据转换为相应骨骼点的3D坐标.在已有的基本特征的基础上,加入了高级动态特征,构造了一个能够更加完善地描述肢体运动的80D特征列表.在融合神经网络模型(FUS-NN)的基础上,使用循环门控单元(GRU)替代长短期记忆神经网络(LSTM),并添加正规层(Layer-Normalization),丢弃层(Layer-Dropout)和减少堆叠层数等策略,提出了双向循环门控单元融合神经网络(BGRU-FUS-NN)模型.使用了基于唤醒(arousal)和效价(valence)的情感模型进行情感分类,针对4分类任务和8分类任务,准确率比FUS-NN模型分别提升了7.22%和5.15%.

基于姿态的情感计算综述

情感计算的理论与算法研究是近年来人机交互领域的热点话题.当前,常见的情感计算集中在基于面部表情、语音、文本、人体姿态等方向,既有单一模态的算法,又有多模态的综合算法.基于面部表情和语音模态的算法占据多数,国内外基于人体姿态的算法相对较少.文中针对基于姿态的情感计算所面临的几个关键科学问题展开了综述,包括情感的心理学模型、人体姿态估计算法、姿态的情感特征提取算法、情感分类与标注算法、姿态情感数据集、基于姿态的情感识别算法等.具体来说,首先介绍了几种常用的情感计算心理学模型,评述了各类模型的适用场景;随后从人体检测和姿态估计2个角度对人体姿态估计的常用算法进行了总结,并讨论了2D和3D姿态估计的应用前景.针对特征提取算法,分析了基于全身和上半身身体动作的姿态特征提取算法.在情感标注方面,介绍了表演数据和非表演数据的情感标注算法,并指出了半自动或自动的标注非表演数据将是未来的重要发展趋势之一.针对姿态情感数据集,列举了近年来常见的14个数据集,并主要从是否是表演数据、数据维度、静态或动态姿势、全身或非全身数据等几个方面进行了总结.在基于姿态的情感识别算法方面,主要介绍了基于人工神经网络的情感识别算法,指出了不同算法的优劣之处和适用的数据集类型.文中的综述研究,总结提炼了国内外该领域经典且前沿的工作,希望为相关的研究者提供研究帮助.

单极电剪在达芬奇机器人辅助胰体尾切除术中的应用分析

目的对比单极电剪与超声刀在达芬奇机器人辅助胰体尾切除术中的应用效果。方法回顾分析2020年7月至2023年12月在徐州医科大学附属医院普通外科接受达芬奇机器人辅助胰体尾切除术的31例术前诊断为胰体尾良性占位性病变患者资料,其中男性9例,女性22例,年龄(54.4±15.7)岁。31例患者中行达芬奇机器人辅助胰体尾切除术且术中使用单极电剪的纳入单极电剪组(n=12),单极电剪自带多关节可灵活旋转的机械臂,完成解剖及分离操作;使用超声刀的纳入超声刀组(n=19),超声刀完成解剖及分离操作。比较两组手术时间、术中出血量、保脾率、术后排气时间、术后住院时间、术后并发症(胰瘘、出血等)及住院总费用等指标。结果术后病理证实31例患者中胰腺浆液性囊腺瘤6例(19.4%)、胰腺黏液性囊腺瘤5例(16.1%)、胰腺神经内分泌肿瘤3例(9.7%)、胰腺实性假乳头状瘤6例(19.4%)、胰腺囊肿5例(16.1%)、胰腺良性囊性病变3例(9.7%)、不易分类3例(9.7%)。所有患者手术均顺利完成,均无中转开腹及死亡患者。两组手术时间、术中出血量、保脾率、术后住院时间、住院总费用等比较,差异均无统计学意义(均P>0.05)。单极电剪组术后排气时间为(2.8±0.7)d,比超声刀组的(3.6±0.7)d更短,差异有统计学意义(t=-2.88,P=0.007)。两组均无术后出血,单极电剪组共有4例术后出现并发症,均为胰瘘,其中生化漏2例,B级胰瘘2例;超声刀组有8例术后出现并发症,胰瘘7例,其中生化漏3例,B级胰瘘4例,另有腹腔感染3例,均予以对症治疗后痊愈。两组患者术后并发症发生率比较,差异无统计学意义(P=0.717)。结论达芬奇机器人辅助胰体尾切除时,应用单极电剪可以达到与超声刀同样的效果,并且能够充分发挥机器人手术系统的优势。