当前位置:主页 > 科技论文 > 自动化论文 >

基于深度学习的儿童抽动症动作检测与识别研究

发布时间:2024-02-06 21:12
  抽动症(Tourette Syndrome,TS)是一种以重复、刻板、无意识、无目的的运动性或声音性的抽搐动作为典型特征的,多发于儿童的慢性神经系统疾病,易产生抑郁、焦虑、睡眠问题等多种并发症,对患者的正常生活、社会交往产生严重影响。临床抽动症的诊断需要经过包括病史收集、临床检查与评估、实验与辅助检查等复杂过程,抽搐程度评估则需要医生对患者进行长时间的访谈,根据量表对动作行为进行评分。诊断与评估过程消耗大量时间且需要医生与患者之间的高度配合,同时存在患者主动隐藏抽搐的可能,不利于诊断与评估。针对上述抽动症辅助诊断和严重程度评估中的困难和挑战,本论文探讨了深度学习在抽动症辅助诊断中的可行性,使用机器视觉对抽搐动作进行检测与识别。本论文以浙江大学医学院附属第二医院儿科的72例抽动症患者的正面监控视频为基础,对抽搐动作检测与抽搐动作识别进行深度学习研究,构建了基于多示例学习(Multiple Instance Learning,MIL)的残差网络(ResidualNetwork,Resnet)模型对抽搐动作进行检测,并构建基于三维卷积神经网络(Three-Dimensional Convol...

【文章页数】:59 页

【学位级别】:硕士

【部分图文】:

图2.4二维卷积与三维卷积生成特征图的示意图??2.1.4常见深度学习框架??

图2.4二维卷积与三维卷积生成特征图的示意图??2.1.4常见深度学习框架??

浙江大学硕士学位论文?第2章相关理论与技术??对应的卷积核也是三维的。??对应地,当使用三维卷积神经网络(Three-Dimensional?ConvolutionalNetwork.??3D-CNN)对多一个维度的视频进行分析处理时,网络的输入数据是四维的,在??2D-CNN的....


图2.5直方图均衡化示意图??需要注意的是,当图像为灰度图时,直方图均衡化使得所有像素的灰度在所??

图2.5直方图均衡化示意图??需要注意的是,当图像为灰度图时,直方图均衡化使得所有像素的灰度在所??

浙江大学硕士学位论文?第2章相关理论与技术??0.035?\??0?010?-??0.030?j??0.02S?(1?〇細-??1??°?°2〇?j?_|?0?006j??::|?iliL?1??50?1?00?150?200?250?0?50?100?150?200?250??....


图2.7多分类模型混淆矩阵??基于该混淆矩阵,多分类模型的一、二、三级评估指标可以按以下方式进行??计算:①一级指标:针对毎一种分类,将该类视为阳性,其他类合并视为阴性,??

图2.7多分类模型混淆矩阵??基于该混淆矩阵,多分类模型的一、二、三级评估指标可以按以下方式进行??计算:①一级指标:针对毎一种分类,将该类视为阳性,其他类合并视为阴性,??

浙江大学硕士学位论文?第2章相关理论与技术??真实值??麵值?1111??类1?I:麵??类2?丨:濟觸??图2.7多分类模型混淆矩阵??基于该混淆矩阵,多分类模型的一、二、三级评估指标可以按以下方式进行??计算:①一级指标:针对毎一种分类,将该类视为阳性,其他类合并视为阴性,?....


图3.2子区域分割示意图??(3)分类器:分类器对所有的子区域进行分类并评分,PyTorch的torchvision??61][62]、[63]、e[64]、nsee岡

图3.2子区域分割示意图??(3)分类器:分类器对所有的子区域进行分类并评分,PyTorch的torchvision??61][62]、[63]、e[64]、nsee岡

具有一个异常(在模型中用1表示)或正常(在模型中用0表示)??的标签。??(2)图像子区域切分:考虑到本论文使用的图像的尺寸大小,使用接近于五??官大小的尺寸对图像进行均匀的子区域切割,以在后续的子区域评分、子区域排??序、子区域代表单帧过程中更具有实际意义,如网络经过学习,认为....



本文编号:3896193

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3896193.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户bb6b4***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com