基于关键点逐层重建的人脸图像超分辨率方法

本文提出一种通过基于关键点逐层重建的人脸图像超分辨率方法。该方法考虑到五官和眉毛局部部位的细节对超分重建的重要意义,本文提出对人脸关键点附近局部区域分别训练超分映射函数,并采用逐层迭代重建实现人脸超分的方法,减小直接重建目标图像的难度。针对超分映射函数,本文采取了线性和非线性两种学习方法,其中线性方法采用主成分分析(PCA),非线性方法采用自编码网络(Auto Encoder)。在超分重建阶段,先采用双线性插值作为初始化,进而利用学习得到的超分映射函数计算局部人脸图像超分,叠加到全局人脸图像,实现整体超分。基于关键点的人脸超分辨率图像质量较其他超分方法在五官的细节上有更好的效果,本文提出的方法在实验数据集上展现了良好的超分结果,验证了低分辨率证件照情况下的人脸识别的有效性。

基于隐式感知的老人认知健康评估系统

针对现有的老人认知评估需要固定周期检验,存在繁琐、执行困难的问题,提出一种智能化的老人认知健康评估方法。该方法基于隐式传感器如门禁,红外等采集数据,融合蒙特利尔认知评估量表数据,并进行分析,以实现连续性的预判老人认知衰退,从而引导老人进行认知评估,解决评估周期长的问题。系统使用Node.js搭建一个基本的数据管理平台框架,Mongo DB进行数据管理,用线性回归拟合传感器数据及评估数据。社区试点部署结果表明,本平台不仅提供了一套评估老人认知下降的有效方法,同时有效实现老人居家智能化危险报警。

基于药物和疾病特征关联的药物重定位混合推荐算法

针对基于协同过滤的药物重定位算法进行了研究,考虑到数据稀疏性对协同过滤算法的巨大影响,提出一种基于药物和疾病特征关联的药物重定位混合推荐算法。该算法不仅使用了药物和疾病关系数据,还利用了药物结构、靶蛋白、副作用以及药物—疾病特征矩阵等信息计算药物之间的相似性,降低了数据稀疏性对推荐效果的影响,提高了推荐精度。经过对比实验发现,该算法具备较好的推荐效果,并能够发掘具有潜在联系的药物—疾病组合,进一步验证了该算法可以有效地应用于药物重定位。

护理知识图谱中的可视化技术应用

将护理知识图谱引入养老服务行业,能促进护理领域的信息化,使有限护理资源分配更加合理。因此,笔者探讨了护理知识图谱与其可视化的研究背景,从护理指南中提取了护理领域的实体与关联,运用可视化技术研究护理知识图谱的绘制方式。通过多种视图来展示护理知识图谱,并从领域角度对实体做出分析,同时针对这些护理数据设计开发了一种可视化护理实体与关联的编辑工具对其进行补充。在实验部分实现了护理症状的可视化推荐,同时对基于指南的护理知识图谱数据进行了补充。