张仲景“人体自和”观探析

从古代哲学角度和现代科学角度阐释张仲景辨治疾病之"人体自和"观,即从《伤寒论》之"自愈"论,"人体自和"观的诊断依据、治法应用,正气之于"人体自和"观等方面深入探讨张仲景"人体自和"观。

基于全局一致性网络的参数化人体网格重建

人体网格重建(HMR)在人机交互和虚拟/增强现实等领域有广泛应用。为了进一步提高基于图像的人体网格重建中人体姿势和形状估计的精度,提出了基于混合逆运动学的全局一致性深度卷积神经网络,用于参数化人体网格重建(GloCoNet)。为了增强网络的全局一致性和全局上的长程依赖,该网络在特征提取网络基础上,设计了全局一致性增强器(GCB)模块,它能够增强模型对全局信息的感知能力和表达能力,并且使模型能够自适应地调整不同通道和空间位置的特征图权重。然后引入了多头注意力机制(MHSA)来捕获模型全局上的长程依赖,它可以帮助模型在处理长期依赖时更好地捕捉到关键的关系和模式,并建模全局上下文信息,从而更好的丰富特征子空间的多样性。同时,该网络采用混合逆运动学的方法弥合人体网格估计和3D人体关节点估计之间的差距,最终提升人体3D姿势和形状估计的准确度。实验结果表明,GloCoNet模型在公开的Human 3.6 M数据集上以平均每关节51.3 mm的位置误差(MPJPE)显著优于先前的主流方法。

基于人体健康的3种城市森林夏季林内紫外线辐射环境特征比较研究

以中波紫外线为主的紫外辐射对人体健康具有多种生物学影响,城市森林能够为居民提供温和的紫外辐射环境。为了解林下紫外线辐射环境特征是否存在树种间差异,对北京市3种常见遮荫树种的夏季林下紫外辐射(UV)强度、林内与林外UV辐射的比值(SR)、UV-B在总UV辐射中占比(UV-B/UV),以及VD合成和红斑效应两种人体作用有效辐射强度(UV_(VD)、UV_(er))进行了测算。结果表明:(1)三种林分林内紫外辐射总量是林外的3%-10%,不同林分的林内UV强度具有显著差异,元宝枫林对UV屏蔽能力最强,其次是栾树林和国槐林;(2)三种林分林冠对不同波长上紫外辐射能量的屏蔽能力具有明显的一致性,林冠对UV-B的屏蔽能力没有在UVA波段强和稳定,林内UV-B/UV普遍高于林外,其中元宝枫林最高,其次为栾树林,国槐林最低;(3)林冠明显改变了日光UV_(VD)和UV_(er)两种人体作用光谱曲线的形态,三种林分内的人体作用光谱曲线形态相似,强度上,林内外UV_(VD)/UV_(er)值均接近1,不同林分间没有显著差异;(4)胸径、无截取散射、平均叶倾角、叶面积指数和叶片透光性等树种特性或林冠结构特征会影响林内UV的强度,但不同林分内的紫外辐射光谱曲线变化趋势和波峰、波谷的位置基本一致,说明林内UV光质特征的树种间差异不明显。

面向人体运动检测的水凝胶基柔性应变传感器设计

在可穿戴电子设备迅猛发展的背景下,构建面向人体运动检测的可穿戴柔性应变传感器成为目前传感器研究的重点之一。基于聚丙烯酰胺(PAM)、纤维素纳米晶(CNCs)、单宁酸(TA)构建了一种导电水凝胶基柔性应变传感器。机械性能与电学性能测试结果表明,相较于其他柔性应变传感器,聚丙烯酰胺-纤维素纳米晶-单宁酸导电水凝胶基柔性应变传感器具有超长的拉伸范围(0%~2 900%)、较好的黏附性、快速的响应时间(280 ms)和良好的稳定性(超320次加载-卸载循环)。该传感器对人体关节弯曲的大应变与喉部活动的小应变等运动信号具备良好的检测功能,可用作人体运动检测的柔性可穿戴传感器。

基于Transformer的三维人体姿态估计及其动作达成度评估

针对人机交互、医疗康复等领域存在的人体姿态分析与评估问题,本文提出了一种基于Transformer的三维人体姿态估计及其动作达成度评估方法。首先,本文定义了人体姿态的关键点及关节角,并在深度位姿估计网络(DPEN)的基础上,提出并构建了一个基于Transformer的三维人体姿态估计模型(TPEM),Transformer的引入能够更好的提取人体姿态的长时序特征;其次,利用TPEM模型对三维人体姿态估计结果,设计了基于加权3D关节角的动态时间规整算法,在时序上对不同人物同一动作的姿态进行姿态关键帧的规整匹配,并据此提出了动作达成度评估方法,用于给出动作的达成度分数;最后,通过在不同数据集上进行实验验证,TPEM在Human3.6 M数据集上实现了平均关节点误差为37.3 mm,而基于加权3D关节角的动态时间规整算法在Fit3D数据集上的平均误差帧数为5.08,展现了本文所提方法在三维人体姿态估计与动作达成度评估方面的可行性和有效性。

复杂人机共融场景中人体姿态识别及避碰策略综述

智能机器人与人类智慧的融合,即人机协作共融,已经实现了将机器人的机械优势和人类的高级认知能力集中于同一个工作架构之中,能够在复杂环境中协同作业,从而提高效率。针对复杂的人机共融场景,特别是机器人在诸如光线条件变化、背景干扰以及运动过程,对比总结了基于机器视觉的人体姿态识别方法和基于机器学习的避碰策略,详细比较各类方法的研究现状及应用,并探讨了基于深度学习的目标识别和避碰方法的发展及应用。

基于三维有限元模型的人体全腰椎振动特性研究

振动暴露被认为是诱发腰椎退行性病变和下腰痛的重要原因,本研究旨在探寻振动载荷对腰椎生物力学的影响。基于人体腰椎L1节段至骨盆(L1-pelvis)的CT扫描数据,重构L1-Pelvis三维几何模型。对该几何模型进行网格划分和材料特性赋值,建立L1-Pelvis三维有限元模型,并利用可获得的实验数据对模型的有效性进行验证。基于该有限元模型,通过瞬时动态分析计算出腰椎各运动节段在幅值40 N,频率5 Hz轴向正弦振动载荷作用下的力学响应,并与-40 N和+40 N轴向静态载荷作用下的结果进行对比,响应参数包括椎体轴向位移、纤维环膨出变形和纤维环基质冯·米塞斯应力。研究结果表明,相比于静态载荷,振动载荷下腰椎各运动节段的椎体轴向位移、纤维环膨出变形、纤维环基质冯·米塞斯应力的幅值分别增加了0.550~1.020 mm、0.124~0.251 mm、0.043~0.099 MPa,最大增幅分别可达195.0%、175.7%、151.4%。从量化角度说明振动载荷下腰椎发生损伤的风险更高。

考虑人体与水流相互作用的溃坝洪水生命损失评估模型

溃坝洪水会给下游人民群众造成巨大的生命损失,开展溃坝洪水造成的生命损失风险定量评估对应急抢险救灾具有重要的现实意义。本文在已有生命损失贝叶斯网络HURAM1.0模型基础上,引入了人体稳定性物理模型,考虑人体与水流相互作用关系,对处于洪水中的人先进行稳定性判定,并进行溺水判定,运用蒙特卡洛模拟方法,综合了水深和水流速对生命损失的影响,建立HURAM2.0模型;并将该模型应用于唐家山堰塞坝溃坝洪水生命损失分析。结果表明:HURAM2.0模型建立了水流流速对生命损失影响的定量关系,更精确地刻画了人体在水流中的稳定性和求生能力,相比HURAM1.0模型对较强洪水强度条件下的生命损失预测结果更准确。同时,在本文建立的模型中,除水深度、洪水严重程度变化不大,其余变量的敏感性均有所上升,其中居民区住宅层数、在建筑物中庇护情况和溃坝时长等变量对模型计算结果的最大影响程度分别增加142%、95%和93%,加强了模型在低、中、高3类洪水强度下的解释性,与HURAM1.0相比在贝叶斯反演分析中更占优势。在唐家山堰塞坝溃坝风险分析中,HURAM2.0能区分出不同水流速条件下的生命损失,更符合实际情况,即开挖泄流槽前风险大、死亡率高,在现场勘测和开挖泄流槽后风险及死亡人数大大降低,建议结合预警疏散以降低生命损失风险。

融合人体骨架和姿势信息特征的轻量级人体动作识别方法

针对人体动作识别任务中特征值选取不当导致识别率低、使用多模态数据导致训练成本高等问题,提出一种轻量级人体动作识别方法。首先使用OpenPose、PoseNet提取出人体骨架信息,使用BWT69CL传感器提取姿势信息;其次对数据进行预处理、特征融合,对人体动作进行深度学习分类识别;最后,为验证此方法的有效性,在公开数据集WISDM、UCIHAR、HASC和自建的人体动作数据集上进行实验验证,并使用改进的目标引导注意力机制(target-guided attention,TGA)–长短期记忆(long short term memory,LSTM)网络输出最终的分类结果。实验结果表明,在自建数据集下融合姿势和骨架特征达到99.87%准确率,相比于只使用姿势信息特征,识别准确率提高了约5.31个百分点;相比于只使用人体骨架特征,识别准确率提高了约1.87个百分点;在识别时间上相比于只使用姿势信息,识别时间降低了约29.73 s;相比于只使用人体骨架数据,识别时间降低了约9 s。使用该方法能及时有效地反映人体的运动意图,有助于提高人体动作和行为的识别准确率和训练效率。

基于深度学习的二维人体姿态估计综述

人体姿态估计是近年来计算机视觉问题中的一个热门话题,它在改善人类生活方面具有巨大的益处和潜在的应用。近年来深度神经网络得到快速发展,相较于传统方法而言,采用深度学习的方法更能提取图像表征信息。综合分析近年来人体姿态估计的进展,根据检测人数分为单人和多人人体姿态估计。针对单人姿态估计,介绍了基于直接预测人体坐标点的坐标回归方法及基于预测人体关键点高斯分布的热图检测方法;针对多人姿态估计,采用解决多人到解决单人过程的自顶向下方法和直接处理多人关键点的自底向上方法。总结了各方法网络结构的特点和优缺点,并阐述当前面临的问题及未来发展趋势。

基于2D人体图像特征学习的女西装合体性判别

为解决服装远程定制和网络购衣过程中服装合体性无法预先判断的问题,文章提出利用2D人体图像判断女西装合体性。首先采集了462名18~25周岁青年女性的2D图像及3D尺寸,建立人体数据集。并制作10件虚拟女西装,建立服装数据集。其次提取用于女西装合体性判别的服装特征、2D人体图像关键点距离特征和整体特征。基于感性工学原理,采用专家评价法获取女西装合体性评价标签。最后利用贝叶斯分类器建立女西装合体性判别模型。研究结果显示,将文章提出的特征应用于基于贝叶斯算法的女西装合体性判别模型判别准确率可达到84.8%,说明提出的服装合体性评价指标有效,可以用于基于2D图像的服装合体性预测。

多发性骨髓瘤患者胸部CT第4胸椎平面人体成分与预后的关联性分析

目的:利用深度学习模型自动分割初诊多发性骨髓瘤(MM)患者胸部CT第4胸椎平面4种人体成分,探讨4种人体成分与MM患者预后的相关性。方法:对2017年1月-2021年12月于本院确诊的MM患者的临床资料进行回顾性分析,收集患者的年龄、性别、体质量、身高和体质量指数(BMI)等临床信息,收集患者血清中乳酸脱氢酶(LDH)、血钙(Ca)、血肌酐(Scr)、白蛋白(Alb)、血红蛋白(Hb)、β2-微球蛋白(β2-MG)和血清游离轻链水平等实验室数据,利用深度学习模型分别将79例规律进行疗效评价MM患者的胸部CT影像结果分割为胸大肌、胸小肌、皮下脂肪和纵隔脂肪4种人体成分,采用Image J软件分别测量第4胸椎平面4种人体成分面积,分析其与MM患者预后的相关性,并进行Kaplan-Meier生存分析。结果:单因素分析,皮下脂肪面积、血Ca水平、Scr水平和国际分期系统(ISS)分期与MM患者总生存期(OS)有关(HR=2.260,95%CI:1.116~4.578,P=0.024;HR=2.088,95%CI:1.007~4.327,P=0.048;HR=2.209,95%CI:1.105~4.414,P=0.025;HR=1.730,95%CI:1.040~2.879,P=0.035)。多因素分析,4种人体成分中皮下脂肪面积是影响MM患者预后的独立危险因素(95%CI:1.228~5.782,P=0.013)。Log-Rank检验,在所有患者中,与皮下脂肪面积高值组比较,皮下脂肪面积低值组MM患者OS缩短(P=0.018);在不同性别患者中,皮下脂肪面积高值组与皮下脂肪面积低值组MM患者OS比较差异无统计学意义(P>0.05);在未行造血干细胞移植的患者中,与皮下脂肪面积高值组比较,皮下脂肪面积低值组患者OS缩短(P=0.037)。结论:第4胸椎平面4种人体成分中,皮下脂肪组织面积与MM患者OS有关,是MM患者预后的独立危险因素,而纵隔脂肪组织、胸大肌和胸小肌面积对MM患者的预后无预测作用。

融合GBWO与ENN的人体尺寸预测模型

为了提高人体尺寸预测的效率和准确性,该文提出了GBWO-ENN(Grey Black Wolf Optimization-Elman Neural Network)的方法。针对传统灰狼算法易于陷入局部最优和无法平衡全局与局部搜索的平衡性问题,提出了GBWO算法。该算法融合黑寡妇优化算法中蜘蛛的运动方式对灰狼优化算法中α狼位置更新进行了优化,通过非线性递减的方法降低了收敛系数,并且提出了按位置等级更新种群的策略。随后采用GBWO算法对Elman神经网络的权值和阈值进行优化,并将GBWO-ENN模型应用于三维人体尺寸预测。实验结果表明,GBWO-ENN模型结构简单,能够准确预测人体尺寸,具有较好的预测能力。

人体穿戴髋关节助力外骨骼的行走运动学分析

针对现有下肢助力外骨骼研究中缺少对关节层面的运动学分析以及缺少对髋关节外骨骼助力机制的研究这一现状,对一款髋关节助力外骨骼在多种助力模式下的运动进行采集和分析,得到被试在不穿戴外骨骼、外骨骼零助力、外骨骼低助力、外骨骼中助力、外骨骼高助力和外骨骼阻力共6种模式下的运动数据,并通过逆运动学计算和数据分析,得到关节角度曲线和步态特征。实验结果在关节层面明确了髋关节外骨骼的助力机制,可为助力外骨骼的设计和运动控制提供参考。

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题,提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法.首先,设计分层性能评估方法对多视觉量测进行分类处理,以适应视觉遮挡引起的量测不确定性问题.其次,构建分布式渐进贝叶斯滤波融合框架,以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性.特别地,针对量测统计特性变化问题,利用局部估计间的交互信息来引导渐进量测更新,从而隐式地补偿量测不确定性.最后,仿真与实验结果表明,相比于现有的方法,所提的人体姿态估计方法具有更高的准确性和鲁棒性.

人体骨骼生物力学测试研究综述

骨骼是由矿物质和胶原蛋白等成分构成的多尺度层级结构,其在生理载荷作用下的自适应特性造就了骨骼复杂的非均匀性、各项异性等特性。为适应机械、生物力学、医学、航空航天、法医等多领域中骨骼生物力学特性的表征,需要利用多种不同的材料力学测试方法,准确地获取骨骼的材料本构参数。全面介绍了骨骼试样的保存、制备、测试及材料本构参数识别方法,分析了各种力学测试方法的特点及其对骨骼试样的要求。还介绍了新测试技术在骨骼力学特性表征方面的应用,基于三点弯曲测试方法提出了一套人体骨骼的材料参数获取流程。可为骨骼生物力学特性的系统表征提供理论和方法参考。

基于肌电−惯性融合的人体运动估计:高斯滤波网络方法

本文研究了基于肌电(Electromyography,EMG)−惯性融合的人体运动估计问题,提出了一种序贯渐进高斯滤波网络(Sequential progressive Gaussian filtering network,SPGF-net)估计方法来形成肌电和惯性的互补性优势,以提高人体运动估计精度和稳定性.首先,利用卷积神经网络对观测数据进行特征提取,以及利用长短期记忆(Long short-term memory,LSTM)网络模型来学习噪声统计特性和量测模型.其次,采用序贯融合的方式融合异构传感器量测特征,以建立高斯滤波与深度学习相结合的网络模型来实现人体运动估计.特别地,引入渐进量测更新对网络量测特征的不确定性进行补偿.最后,通过实验结果表明,相比于现有的卡尔曼滤波网络,该融合方法在上肢关节角度估计中的均方根误差(Root mean square error,RMSE)下降了13.8%,相关系数(R^(2))提高了4.36%.

基于单视图的带纹理三维人体网格参数化重建

针对计算机视觉中的三维人体重建问题,文章提出一种端到端的的网络框架,在三维和二维混合监督下,从单幅彩色图像重建带纹理信息的精准三维人体网格。使用4个编码器分别提取形状姿态特征、纹理特征、光照参数和像机参数,得到的图像特征被送入三维回归模块,迭代推断出三维人体参数;纹理参数送入纹理解码器网络得到纹理图;学习到的人体参数可转化为三维人体网格;对于损失函数的设置,预测的人体网格顶点与真实顶点的差值用来进行三维监督;通过预测的像机参数、光照参数和纹理计算二维渲染损失;通过三维关节投射得到的二维关节与图像上的二维关节真值计算二维关节重投影损失;生成对抗网络的鉴别器使得渲染图像更加真实。该文方法与现有的三维人体重建方法相比具有竞争力,而且重建的三维人体网格带有纹理信息。

3Dbody结合翻转课堂在人体解剖学教学中的应用

人体解剖学是医学生重要的基础课程,主要研究人体形态结构与功能,由于知识量大,专业名词丰富,学生学习困难,压力较大,如何提高学生兴趣,从而改善教学质量是解剖学教学面临的重要挑战[1]。近年来,伴随信息科技的发展,以及校园网络的搭建,学生能够利用互联网进行网上学习,3Dbody教学使用3Dbody软件为学生提供网上学习平台,该软件可以在手机上免费安装,包含大量人体结构模型,操作者根据需要可以对任一人体器官结构进行放大缩小、拆解与复原,从而丰富教学模式[2,3]。

2011—2022年北京市通州区重要人体寄生虫病监测结果及居民认知行为调查

目的分析北京市通州区2011—2022年寄生虫病监测和调查结果,为制订防控措施提供科学依据。方法从疾病信息报告管理系统和流行病学调查资料分析寄生虫病特征。按照北京市人体重点寄生虫病现状调查方案,采用分层整群抽样方法抽取调查点,采用改良加藤厚涂片法检测虫卵,儿童用透明胶纸肛拭法检测蛲虫虫卵。随机抽取部分居民进行认知行为问卷调查。结果2011—2022年北京市通州区寄生虫病例26例,其中疟疾21例、血吸虫病2例、包虫病2例、华支睾吸虫病1例,平均发病率为0.15/10万,除华支睾吸虫病例外均为输入性病例。2015年调查1500人,土源性线虫、华支睾吸虫等感染率为0。2019年调查1015人,土源性线虫、华支睾吸虫等感染率为0。对319人进行了土源性线虫病问卷调查,知晓率为71.79%,对379人进行了华支睾吸虫病问卷调查,知晓率为34.56%,差异有统计学意义(χ^(2)=199.97,P<0.05)。结论北京市通州区寄生虫病例以输入性为主,人体重点寄生虫感染率处于较低水平,居民土源性线虫病知晓率较高,华支睾吸虫病知晓率较低,食源性寄生虫病有本地发病风险,应采取有针对性健康教育工作。随着外地和外籍病例到通州区就诊量的增多,对寄生虫病的培训、监测等防控工作始终不能放松。