基于SK-UNet网络的背部腧穴自动定位方法

目的:通过语义分割的方法实现人体背部腧穴的自动定位。方法:采集178名志愿者的1317张人体背部图片,以大椎穴、天柱穴、臑俞穴、肩贞穴、关元俞穴和脊柱棘突为特征腧穴对人体背部图片进行标注,制作人体背部腧穴数据集。通过人体背部腧穴数据集对体背部分割网络SK-UNet网络进行训练,构建预测模型。通过预测模型对人体背部进行分割,依据分割的结果结合传统中医身寸法,最终实现人体背部腧穴的自动定位。结果:SK-UNet网络(selective Kernel convolution-UNet)对人体背部分割效果较好,其MIoU和MPA指标分别达到82.12%和86.62%。依据SK-UNet网络框架的分割结果对人体背部部分腧穴进行定位,在不同精度要求下,定位准确率分别可以达到:在误差范围为5mm时的准确率为57%,在误差范围为10mm时的准确率为93%,在误差范围为15mm时的准确率为97%,在误差范围为20mm时的准确率为99%,腧穴定位平均误差为7.3mm。结论:该方法实现了一定准确率下的不同用途腧穴自动定位,对机器人辅助中医按摩、艾灸以及针刺等系统开发提供较为重要的基础。

基于神经网络模式识别的人体大便便意识别模型研究

针对医院患病老人长期卧床、缺乏自理能力,尤其是大便护理难以解决的问题,提出了基于神经网络的大便便前监测模型。根据人体便前90 s生理参数会发生明显变化的特点,通过采集人体有便意和无便意状态下的生理参数制定数据集,构建大便便意识别模型并使用数据集对其进行训练,最终通过训练后的模型实现对卧床失能老人的大便便意识别和便前监测。临床实验结果表明:该预测模型进行便意识别和便前监测的准确率在80%~87%之间,具有较高精度和实用价值。