基于成像式光电容积描记技术的人体生理参数检测研究进展

生理参数检测是临床工作的基础,目前使用的光电容积描记法(photoplethysmography,PPG)存在接触式测量、可测参数少等问题。成像式光电容积描记法(imaging photoplethysmography,IPPG)因其非接触、多通道检测的特点受到重视并快速发展。本文首先简要介绍了IPPG的工作原理,然后根据IPPG技术应用中涉及的关键点,从信号采集部位、图像采集设备、采集生理参数和数据处理算法四个方面,进行了分类和综述,分析了IPPG应用各关键点目前存在的问题。最后提出IPPG技术未来的研究方向即运动伪迹消除算法以及可测参数多样化,对今后IPPG技术的研究和应用具有一定的参考价值。

多层螺旋CT多平面重组(MRP)及容积再现法(VRT)对脊柱爆裂性骨折的应用价值

目的分析探讨多层螺旋CT多平面重组(MRP)及容积再现法(VRT)成像及时的应用对脊柱爆裂性骨折的诊断价值。方法全面分析70例脊柱爆裂性骨折的临床及影像资料,术前行多层螺旋CT容积扫描,将CT原始图像进行多平面重组(MRP)、容积再现法(VRT)成像后处理,分析探讨后处理技术显示骨折情况的能力,并与手术结果对照。结果 MSCT多平面重组(MRP)及容积再现法(VRT)成像技术的联合应用能够准确显示脊柱爆裂性骨折的部位、类型、椎体压缩程度、椎体骨块移位情况、椎管狭窄程度及其三维空间关系。结论 MSCT多平面重组(MRP)及容积再现法(VRT)成像技术的联合应用,可全面、立体、多方位、直观地观察脊柱爆裂性骨折,为临床选择治疗方案、制定手术路经提供可靠依据。

自适应去噪的非接触式生理参数检测方法

成像式光电容积描记法(imaging Photoplethysmography,iPPG)是一种利用视频信号实现非接触式生理参数检测的方法,但该方法的性能易受外界条件影响,尤其对环境光变化及受试者头部运动等噪声敏感。为了消除噪声影响,根据噪声信号和iPPG信号的时频特性,提出了一种基于变分模态分解(Variational Mode Decomposition,VMD)的相关能量熵阈值自适应去噪与方差表征序列(Variance Characterization Series,VCS)的抗干扰非接触式生理参数信号获取方法。利用分解算法将由人脸视频中获取到的血容量脉冲信号分解为频率由高频到低频且具有一定带宽的模态分量。分别计算各个模态分量子区间的噪声能量熵从而获得该分量的阈值,再经阈值处理得到重构的去噪信号。利用VCS方法检测重构后的信号的质量从而自适应地选择信号分析方法,实现心率和呼吸率的生理参数的精确估计。在公开数据集和自采数据集上进行验证实验,实验结果表明,提出的方法对环境光与头部运动干扰有着较强的稳健性,相比目前已有的方法能够得到更精确的心率与呼吸率估计值。

多层螺旋CT多种重建后处理技术对肺内磨玻璃结节的早期定性诊断研究

目的:探讨多层螺旋CT多种重建后处理技术对肺内磨玻璃病变的早期定性诊断的价值。方法:选取2011年3月至2015年1月,在我院经过手术或者穿刺活检证实的肺内磨玻璃结节患者132例,经多层螺旋CT扫描后采用多平面重建技术(multiplane reconstruction MPR)、最大密度投影法(Maximum intensity projection,MIP)以及容积成像法(volume rendering,VR)进行图像后处理,分析不同后处理技术的征象。结果:MPR、MIP及VR以及联合重建处理后,良性病变与恶性病变在病灶平均大小方面差异无统计学意义(P>0.05);三者联合处理技术在结节边缘形态(光滑)及邻近结构改变(胸膜凹陷征、血管集束征)与单一后处理技术相比,差异具有统计学意义(P<0.05);三者联合处理技术在结节边缘形态(不规则毛刺、棘状突起)、病灶形态(圆形/椭圆)、瘤肺界面(清楚、模糊)及邻近结构改变(血管集束征)与单一后处理技术相比,差异具有统计学意义(P<0.05);ROC曲线分析显示,多层螺旋CT后处理技术对GGN的诊断准确性以及曲线下面积(AUC)依次为:三者联合>MPR>MIP>VR。结论:多层螺旋CT扫描后结合MPR、MIP以及VR等重建后处理技术对早期GGN的定性诊断效果明显,值得推广。

基于面部视频分析的生命体征检测

在面部视频中提取生命体征相关的生理信号时易受环境光和受试者头部运动的影响,为了降低外界干扰并提高生命体征检测的准确度,提出了一种联合集合经验模态分解(EEMD)算法与信号质量检测的面部视频分析方法,用于精确检测人体的心率与呼吸频率等生命体征。通过公开数据集进行实验验证,实验结果表明,所提方法相较于目前已有的常用信号处理方法能够得到更精确的心率与呼吸频率的估计值,所得估计值与标准值的相关系数分别高于0.9和0.8。同时,所提方法将为实时活体人脸识别提供一种思路,也有助于丰富监控视频智能分析的应用研究。

iPPG技术及生理参数检测的教育应用综述

获取学习状态数据是实现智能教育的前提,生理参数是反映学生学习状态的重要信息。而目前在智能教育领域生理参数检测方法比较单一,仍然以接触式为主,存在一定局限性。而非接触式生理参数检测方法更有利于智能教育的广泛推广。分析了基于视频的非接触式生理参数检测方法。介绍了成像式光电容积描记技术的原理,对其发展及现状进行了归纳分析,总结了近些年生理参数检测在教育领域的相关应用。对基于视频的非接触式生理参数检测在教育领域的发展趋势进行了总结与展望。

基于深度学习的有效iPPG信号识别研究

成像式光电容积描记法(iPPG)是一种利用摄像机远程测量血容量脉冲的技术,现已成为早期筛查动脉粥样硬化和心血管疾病的一种具有前景的技术。但iPPG信号中包含大量的噪声,传统的选取有效信号的方法准确度低,普适性差。基于以上问题,设计开发了基于Python的有效iPPG信号识别软件,该软件通过摄像头采集人脸视频并进行人脸定位,在动态的感兴趣区域中提取i PPG信号,并对信号进行预处理,最终使用基于深度学习的i PPG信号判别模型进行有效性识别,平均准确率高达95.1%,对于实际应用场景下的i PPG信号判别具有良好的准确性与稳定性,同时验证了使用深度学习进行非接触式信号有效性判别的可行性。