西京学院大创项目——渐冻症患者实时监测系统

　　西京学院大创项目主要是面向所有医疗机构、社区及家庭,涉及到所有生活不能自理的渐冻症患者,通过网络通讯技术、现代医学仪器检测技术以及计算机图像处理技术等,利用差影法及深度卷积神经网络技术等对图片进行跟踪运算,最终实现有效捕捉并甄别患者微表情、微动作并报警,与心电监护仪结合起来共同实现全面监护病人的病情变化。

　　1、 研究内容

　　(1)运动目标检测与跟踪技术研究:实现监测患者动作与状态。对相关滤波跟踪算法进行研究,对三种传统的目标检测算法,包括光流法、帧差法以及背景差分法进行实验,并详细比较了三种方法的优缺点,最后使用了形态学处理技术。

　　(2)基于改进码本模型和边缘检测的运动目标检测算法研究:提高动作检测的准确率。研究码本模型的建模过程以及模型匹配,提出了一种基于改进码本模型和边缘检测的运动目标检测算法,对基础的码本模型进行了改进,并融合了自适应卡尔曼滤波器的思想,然后结合边缘检测将运动目标完整的检测出来,最后对本算法进行了实验验证并分析。

　　(3)融合纹理特征及卷积神经网络的相关滤波跟踪算法研究 :实现微表情、微动作检测。首先对基于旋转不变的统一LBP算子的纹理特征提取方法做了实验,然后使用卷积神经网络,并构建了一个新的卷积神经网络。接着分别对分层卷积特征的相关滤波跟踪以及分层卷积特征融合纹理特征的相关滤波跟踪进行研究及实验,并给出实验结果及分析。最后提出了一种融合纹理特征以及卷积特征的相关滤波跟踪算法,并对本 算法进行了实验验证。

　　(4)监控平台的软件实现。设计并实现了一个目标检测和跟踪平台,能够应用于实际环境中进行视频监控,也能够作为运动目标检测以及跟踪算法演示、分析以及测试的工具,并在其中对基于改进码本模型及边缘检测的目标检测算法以及融合纹理特征及卷积神经网络的相关滤波跟踪算法进行集成,从而对算法进行验证。

　　2、拟解决的关键问题

　　(1)监测数据精准、反馈迅速。

　　该系统能准确识别被监护者表情变化并立即发出报警信号,解决了被监护者痛苦时的急切的监护需求,及时预警从而把握患者的黄金抢救时间,为患者提供了多重安全防护。

　　(2)解决医护人员缺乏问题。

　　从当前医疗机构整体床护配比来看,医护人员数量不足,所以无法保证任意时间都有医护人员在患者身边,该监测系统可与心电监护仪结合起来共同实现全面监护病人病情变化,并在病人出现异常表现时迅速作出反应,提醒医护人员及时出现并处理相关问题。

　　3、项目创新点及特色

　　该系统的研发,实现了首次将微表情、微动作识别引入了医疗监护系统,为临床护士以及家庭照护人员在很大程度上减轻工作压力,同时为患者赢得最佳救治的黄金时间,提高抢救成功率。

　　该系统主要由监测模块、检测模块、处理器模块以及报警模块共同组成。通过将人脸进行68个关键点定位并结合面部肌肉编码系统将,将人脸划分为12个人脸子区域。然后通过特征值提取,就可以甄别出患者微表情,并实现自动报警这一功能。通过关键技术差影法就可以科学、准确地判别患者的痛苦表情以及疾病的严重程度,从而来确定患者是否需要帮助。

　　该系统引入了红外技术,因此在光线很暗或者即使没有光源的条件下也可以正常监测;其次在价格上将生产成本降到最低,相对于其他设备普通百姓和家庭均可以接受。在市场方面应用范围广,即可应用于医院、养老院,也可以应用于家庭以及个人。

　　4、 积累和已取得的成绩

　　我们的项目目前已在多家医院进行了测试,项目工程师在兵器工业五二一医院与护士对我们的设备进行了测试,测试反馈结果是:设备基本稳定,可与心电监护仪联合应用于临床监测。

　　在当前医疗背景下,本项目设计的渐冻症患者实时监测系统,以克服传统监测系统存在的局限性,利用差影法对患者行为进行处理和分析,提供更准确、更实时的监测数据,为医护人员提供更可靠的患者状况评估和治疗支持。