CN111513745A - 一种用于高危环境下的智能化无接触ct体位识别装置 - Google Patents

一种用于高危环境下的智能化无接触ct体位识别装置 Download PDF

Info

Publication number
CN111513745A
CN111513745A CN202010317522.XA CN202010317522A CN111513745A CN 111513745 A CN111513745 A CN 111513745A CN 202010317522 A CN202010317522 A CN 202010317522A CN 111513745 A CN111513745 A CN 111513745A
Authority
CN
China
Prior art keywords
human body
posture
module
contact
recognition device
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202010317522.XA
Other languages
English (en)
Other versions
CN111513745B (zh
Inventor
张堃
朱洪堃
殷佳炜
冯文宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nantong University
Original Assignee
Nantong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nantong University filed Critical Nantong University
Priority to CN202010317522.XA priority Critical patent/CN111513745B/zh
Publication of CN111513745A publication Critical patent/CN111513745A/zh
Application granted granted Critical
Publication of CN111513745B publication Critical patent/CN111513745B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03Computed tomography [CT]
    • A61B6/032Transmission computed tomography [CT]
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/04Positioning of patients; Tiltable beds or the like
    • A61B6/0492Positioning of patients; Tiltable beds or the like using markers or indicia for aiding patient positioning
    • AHUMAN NECESSITIES
    • A61MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61BDIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/54Control of apparatus or devices for radiation diagnosis
    • A61B6/542Control of apparatus or devices for radiation diagnosis involving control of exposure
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20Movements or behaviour, e.g. gesture recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Medical Informatics (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Theoretical Computer Science (AREA)
  • Veterinary Medicine (AREA)
  • Public Health (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Surgery (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Optics & Photonics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Biomedical Technology (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Pulmonology (AREA)
  • Apparatus For Radiation Diagnosis (AREA)

Abstract

本发明公开了一种用于高危环境下的智能化无接触CT体位识别装置,包括摄像头,身份验证装置,音频提示装置,CT扫描装置,控制系统,控制系统包含基于改进的Openpose人体姿态识别模块,姿态分析模块,器官定位模块,远程确认模块,通过摄像头输入图像,确定测试者的姿态,控制音频提示装置,CT扫描装置,辅助其正确摆位,并正确进行CT扫描,最终技师远程确认,本发明可用于高危环境下的CT检测,技师无需进入扫描间,最大限度地减小医护人员被病毒感染的风险,通过使用机器视觉,解决了因患者身着口罩或防护服等导致技师视线受限等问题,本发明设备简单,可以附加在原有的CT设备上,构成智能化无接触CT体位识别装置,从而保护操作人员的安全。

Description

一种用于高危环境下的智能化无接触CT体位识别装置
技术领域
本发明涉及高危环境下的智能化无接触CT检测技术领域,具体为一种用于高危环境下的智能化无接触CT体位识别装置。
背景技术
CT装置在当代以其扫描时间快,图像清晰等特点,广泛应用于临床,可用于多种疾病的检测,但传统的CT装置需要技师人工辅助摆正测试者的位姿,对于高危险性的病毒,这很容易产生接触感染。并且在这种环境下,患者大多身着厚重的防护服,脸戴口罩等遮挡物,影响技师的视线,传统的方法技师通过摄像头观察,并人工语言提示的方法,受此限制。已有的 CT装置安全系数较低,不利于病毒传播的控制,在一定程度上会对医护工作人员的安全造成伤害。
专利“一种自动摆位和防辐射的CT检查床”,申请号: CN201820345701.2,该专利通过设计检查床来达到自动摆位的功能,但设计相较之比较繁琐,不利于在危险环境中快速应用;专利“一种自动化CT 摆位和扫描装置及其操作方法”,申请号:CN201910665856.3,该专利的精度受图像识别限制,本专利通过使用改进的Openpose模型,提高了识别精度,并简化了模型,提高了运行速度,使其能够用于实时检测中。
发明内容
本发明的目的在于提供一种用于高危环境下的智能化无接触CT体位识别装置,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:一种用于高危环境下的智能化无接触CT体位识别装置,其无接触检测包括以下步骤:
A、测试者进入扫描间,由身份验证装置验证个人信息,正确无误后进入CT扫描装置;
B、位于扫描间上方的摄像头以一定帧率持续拍摄测试者的测试图像,获取图像,并对图像使用基于改进的Openpose人体姿势识别模型识别人体关键点;
C、通过人体关键点对测试者进行姿态识别,通过姿态分析模块进行分类,结合测试者所需检测的部位,对于不同的姿态类别输出对应的语音播报提示音,辅助测试者达到CT检测所要求的躺姿或侧姿;
D、通过器官定位模块,控制移床移动进行CT检测;
E、完成CT检测后,输出图像,由技师确认无误后,音频提示装置播报结束音。
优选的,所述根据步骤A身份验证模块通过人脸识别,信息核对来确认被测者身份,身份核对无误后进入CT扫描装置。
优选的,所述根据步骤C姿态分析模块通过对人体姿态识别模块所识别的人体关键部分的分析,对姿态进行分类,对于脸部特征,仰卧能提取出2个眼部关节点,侧卧则为1个或2个,俯卧则无关节点,所述姿态分析模块对体态特征,仰卧和俯卧时,两臂通常位于身体两侧,侧卧时两臂位于身体同一侧。
优选的,所述根据步骤D器官定位模块通过对人体姿态识别模块所识别的人体关键部分以及姿态分析模块所确定姿态的分析,确认所需检测的器官部分的位置,进行检测。
优选的,所述根据步骤B基于改进的Openpose人体姿势识别模块,人体姿势识别模块使用残差网络提取底层特征。
优选的,所述添加软阈值处理分支,软阈值处理是信号降噪算法中常用方法,所述软阈值处理公式为:
Figure BDA0002460000690000031
其中:其中x是输入值,y是输出值,软阈值处理将绝对值小于阈值的值置零,将绝对值大于阈值的值朝零方向缩小。
优选的,所述残差块在经过两层卷积得到尺寸为W*H*C的特征图后引出一个分支获取阈值,该分支首先进行W*H尺寸的全局平均池化,计算方公式为:
Figure BDA0002460000690000032
其中,W是输入特征图的宽;H是输入特征图的高;W与H是特征图中(i,j)点对应像素点的绝对值;y是池化结果,它是一个1*1*C的向量。
优选的,所述根据步骤B基于改进的Openpose人体姿势识别模块,评估连接贡献度的方法为计算该连接对应卷积核的L2范数,计算方式如公式:
Figure BDA0002460000690000033
其中
Figure BDA0002460000690000041
代表第l条通路第k个连接的贡献度,
Figure BDA0002460000690000042
该连接对应的卷积核,h、w分别为该卷积核参数矩阵的高、宽,n为该卷积核参数数量,αij为该卷积核参数矩阵第i行j列对应的参数。
优选的,所述基于改进的Openpose人体姿势识别模型,所述人体姿势识别模型主要分为外部结构和内部结构两部分,人体姿势识别模块的外部结构上包含4个阶段8个人体姿势识别模块。
与现有技术相比,本发明的有益效果是:
(1)基于改进的Openpose人体姿势识别模块,使用权值修剪的方式对模型进行压缩以在保持检测精度的情况下降低运算量,加快检测速度,提高实时性;
(2)本发明可用于高危环境下的CT检测,技师无需进入扫描间,最大限度地减小医护人员被病毒感染的风险,通过使用机器视觉,解决了因患者身着口罩或防护服等导致技师视线受限等问题;
(3)本发明设备简单,可以附加在原有的CT设备上,构成智能化无接触CT体位识别装置,从而保护操作人员的安全。
附图说明
图1为本发明智能化无接触CT体位识别装置结构框图;
图2为本发明Openpose与改进的OpenPose模型结构对比结构示意图;
图3为本发明是添加二阶项融合的残差块结构图;
图4为本发明智能化无接触CT体位识别装置流程图;
图5为本发明身着口罩与厚重衣物仰卧识别图;
图6为本发明身着口罩与厚重衣物侧卧识别图。
图1中:1、摄像头;2、探测器;3、音频提示装置;4、身份验证装置;5、控制系统;6、移床。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1-6,本发明提供一种技术方案:一种用于高危环境下的智能化无接触CT体位识别装置包括摄像头1,探测器2,音频提示装置3,身份验证装置4,控制系统5,移床6,基于改进的Openpose人体姿势识别模块,该模型使用残差网络提取底层特征,以提升改进模型的检测精度和训练速度。
一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述基于改进的Openpose人体姿势识别模块,该模型使用残差网络提取底层特征,以提升改进模型的检测精度和训练速度。该网络结构参照Res-18 网络前10层,这10层网络构成5个残差块,如表1所示。
Figure BDA0002460000690000051
Figure BDA0002460000690000061
一种用于高危环境下的智能化无接触CT体位识别装置,残差块为了在提取底层特征时优化提取结果,去除与当前任务无关的信息,进一步提升检测精度,本模型改进了网络中残差块结构,为其添加软阈值处理分支,软阈值处理是信号降噪算法中常用方法,软阈值处理公式,其中x是输入值,y是输出值,τ是阈值。软阈值处理将绝对值小于阈值的值置零,将绝对值大于阈值的值朝零方向缩小,从而滤去无用信息。
Figure BDA0002460000690000062
残差块在经过两层卷积得到尺寸为W*H*C的特征图后引出一个分支获取阈值,该分支首先进行W*H尺寸的全局平均池化,计算方法如公式所示:
Figure BDA0002460000690000063
式中,W,H是输入特征图的宽和高,|xij|是特征图中(i,j)点对应像素点的绝对值,y是池化结果,它是一个1*1*C的向量,随后,池化结果通过一层1*1卷积以学习阈值系数,再使用sigmoid函数对该系数进行归一化,使其位于0和1之间,此系数同样是一个1*1*C的向量,再将阈值系数与池化结果对应位置元素相乘,便可得到特征图中每个通道对应的不同阈值,最后,根据所获得的阈值对特征图进行软阈值处理即可。
一种用于高危环境下的智能化无接触CT体位识别装置,基于改进的 Openpose人体姿势识别模块,该模型使用权值修剪的方式对模型进行压缩以在保持检测精度的情况下降低运算量,加快检测速度,提高实时性。该方式通过对评估某连接对最终输出结果的贡献度,删除贡献度较小的连接,即可在尽量不影响检测精度的情况下减少网络参数和计算量,缩小模型大小,加快检测速度。评估某条连接贡献度的方法为计算该连接对应卷积核
Figure BDA0002460000690000071
的L2范数,计算方式如公式(3)所示:
Figure BDA0002460000690000072
其中
Figure BDA0002460000690000073
代表第l条通路第k个连接的贡献度,
Figure BDA0002460000690000074
该连接对应的卷积核, h、w分别为该卷积核参数矩阵的高,宽,n为该卷积核参数数量,αij为该卷积核参数矩阵第i行j列对应的参数。
一种用于高危环境下的智能化无接触CT体位识别装置,基于改进的 Openpose人体姿势识别模块,该模型主要分为外部结构和内部结构两部分,在外部结构上包含4个阶段8个模块,参照DenseNet的连接机制,为每个模块的输入增加了所有在它之前的对应模块的输出,以融合低层特征和高层特征,减少信息损失增加检测精度,在内部结构上为卷积块同样添加跨层连接机制,它由一层1X1卷积构成,其目的是在进行后续卷积前先将特征降维处理,以减少后续卷积过程的所需的参数数量及花费的计算量,从而加快检测速度,而且还可以缓和原模型的降维过程。
一种用于高危环境下的智能化无接触CT体位识别装置,其无接触检测包括以下步骤:
A、测试者进入扫描间,由身份验证装置验证个人信息,正确无误后进入CT扫描装置;
B、位于扫描间上方的摄像头以一定帧率持续拍摄测试者的测试图像,获取图像,并对图像使用基于改进的Openpose人体姿势识别模型识别人体关键点;
C、通过人体关键点对测试者进行姿态识别,通过姿态分析模块进行分类,结合测试者所需检测的部位,对于不同的姿态类别输出对应的语音播报提示音,辅助测试者达到CT检测所要求的躺姿或侧姿;
D、通过器官定位模块,控制移床移动进行CT检测;
E、完成CT检测后,输出图像,由技师确认无误后,音频提示装置播报结束音。
本发明可用于高危环境下的CT检测,技师无需进入扫描间,最大限度地减小医护人员被病毒感染的风险,通过使用机器视觉,解决了因患者身着口罩或防护服等导致技师视线受限等问题,本发明设备简单,可以附加在原有的CT设备上,构成智能化无接触CT体位识别装置,从而保护操作人员的安全。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。

Claims (10)

1.一种用于高危环境下的智能化无接触CT体位识别装置,其无接触检测包括以下步骤:
A、测试者进入扫描间,由身份验证装置验证个人信息,正确无误后进入CT扫描装置;
B、位于扫描间上方的摄像头以一定帧率持续拍摄测试者的测试图像,获取图像,并对图像使用基于改进的Openpose人体姿势识别模型识别人体关键点;
C、通过人体关键点对测试者进行姿态识别,通过姿态分析模块进行分类,结合测试者所需检测的部位,对于不同的姿态类别输出对应的语音播报提示音,辅助测试者达到CT检测所要求的躺姿或侧姿;
D、通过器官定位模块,控制移床移动进行CT检测;
E、完成CT检测后,输出图像,由技师确认无误后,音频提示装置播报结束音。
2.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤A身份验证模块通过人脸识别,信息核对来确认被测者身份,身份核对无误后进入CT扫描装置。
3.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤C姿态分析模块通过对人体姿态识别模块所识别的人体关键部分的分析,对姿态进行分类,对于脸部特征,仰卧能提取出2个眼部关节点,侧卧则为1个或2个,俯卧则无关节点,所述姿态分析模块对体态特征,仰卧和俯卧时,两臂通常位于身体两侧,侧卧时两臂位于身体同一侧。
4.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤D器官定位模块通过对人体姿态识别模块所识别的人体关键部分以及姿态分析模块所确定姿态的分析,确认所需检测的器官部分的位置,进行检测。
5.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤E技师通过人工再次核对,确认所扫描的影响是否有误,如若有误,语音播报检测问题,并通过人工校准进行再次检测。
6.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤B基于改进的Openpose人体姿势识别模块,人体姿势识别模块使用残差网络提取底层特征。
7.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述添加软阈值处理分支,软阈值处理是信号降噪算法中常用方法,所述软阈值处理公式为:
Figure FDA0002460000680000021
其中:其中x是输入值,y是输出值,软阈值处理将绝对值小于阈值的值置零,将绝对值大于阈值的值朝零方向缩小。
8.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述残差块在经过两层卷积得到尺寸为W*H*C的特征图后引出一个分支获取阈值,该分支首先进行W*H尺寸的全局平均池化,计算方公式为:
Figure FDA0002460000680000022
其中,W是输入特征图的宽;H是输入特征图的高;W与H是特征图中(i,j)点对应像素点的绝对值;y是池化结果,它是一个1*1*C的向量。
9.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述根据步骤B基于改进的Openpose人体姿势识别模块,评估连接贡献度的方法为计算该连接对应卷积核的L2范数,计算方式如公式:
Figure FDA0002460000680000031
其中
Figure FDA0002460000680000032
代表第l条通路第k个连接的贡献度,
Figure FDA0002460000680000033
该连接对应的卷积核,h、w分别为该卷积核参数矩阵的高、宽,n为该卷积核参数数量,αij为该卷积核参数矩阵第i行j列对应的参数。
10.根据权利要求1所述的一种用于高危环境下的智能化无接触CT体位识别装置,其特征在于:所述基于改进的Openpose人体姿势识别模型,所述人体姿势识别模型主要分为外部结构和内部结构两部分,人体姿势识别模块的外部结构上包含4个阶段8个人体姿势识别模块。
CN202010317522.XA 2020-04-21 2020-04-21 一种用于高危环境下的智能化无接触ct体位识别装置 Active CN111513745B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010317522.XA CN111513745B (zh) 2020-04-21 2020-04-21 一种用于高危环境下的智能化无接触ct体位识别装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010317522.XA CN111513745B (zh) 2020-04-21 2020-04-21 一种用于高危环境下的智能化无接触ct体位识别装置

Publications (2)

Publication Number Publication Date
CN111513745A true CN111513745A (zh) 2020-08-11
CN111513745B CN111513745B (zh) 2021-10-26

Family

ID=71904039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010317522.XA Active CN111513745B (zh) 2020-04-21 2020-04-21 一种用于高危环境下的智能化无接触ct体位识别装置

Country Status (1)

Country Link
CN (1) CN111513745B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113223517A (zh) * 2021-04-13 2021-08-06 广州爱尔眼科医院有限公司 一种基于医生语音指令的设备位置调整方法及装置
CN113077474B (zh) * 2021-03-02 2024-05-17 心医国际数字医疗系统(大连)有限公司 基于ct影像的床板去除方法、系统、电子设备及存储介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106388851A (zh) * 2016-09-06 2017-02-15 沈阳东软医疗系统有限公司 一种摆位控制方法和装置
CN107789001A (zh) * 2017-10-31 2018-03-13 上海联影医疗科技有限公司 一种用于成像扫描的摆位方法和系统
CN108095753A (zh) * 2018-01-02 2018-06-01 安徽美时影像技术有限公司 一种智能摆位纠错装置系统
CN109165552A (zh) * 2018-07-14 2019-01-08 深圳神目信息技术有限公司 一种基于人体关键点的姿态识别方法、系统及存储器
CN110321795A (zh) * 2019-05-24 2019-10-11 平安科技(深圳)有限公司 用户姿态识别方法、装置、计算机装置及计算机存储介质
CN110338835A (zh) * 2019-07-02 2019-10-18 深圳安科高技术股份有限公司 一种智能扫描立体监测方法及系统
CN110507349A (zh) * 2019-09-03 2019-11-29 上海联影医疗科技有限公司 自动扫描方法、装置、计算机设备和计算机可读存储介质
CN110728209A (zh) * 2019-09-24 2020-01-24 腾讯科技(深圳)有限公司 一种姿态识别方法、装置、电子设备及存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106388851A (zh) * 2016-09-06 2017-02-15 沈阳东软医疗系统有限公司 一种摆位控制方法和装置
CN107789001A (zh) * 2017-10-31 2018-03-13 上海联影医疗科技有限公司 一种用于成像扫描的摆位方法和系统
CN108095753A (zh) * 2018-01-02 2018-06-01 安徽美时影像技术有限公司 一种智能摆位纠错装置系统
CN109165552A (zh) * 2018-07-14 2019-01-08 深圳神目信息技术有限公司 一种基于人体关键点的姿态识别方法、系统及存储器
CN110321795A (zh) * 2019-05-24 2019-10-11 平安科技(深圳)有限公司 用户姿态识别方法、装置、计算机装置及计算机存储介质
CN110338835A (zh) * 2019-07-02 2019-10-18 深圳安科高技术股份有限公司 一种智能扫描立体监测方法及系统
CN110507349A (zh) * 2019-09-03 2019-11-29 上海联影医疗科技有限公司 自动扫描方法、装置、计算机设备和计算机可读存储介质
CN110728209A (zh) * 2019-09-24 2020-01-24 腾讯科技(深圳)有限公司 一种姿态识别方法、装置、电子设备及存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
冯文宇 等: "无人CT智能姿态识别算法研究", 《仪器仪表学报》 *
吕国豪 等: "基于卷积神经网络的正则化方法", 《计算机研究与发展》 *
祝严刚 等: "自适应残差图形的分数阶全变分区噪算法", 《中国图象图形学报》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113077474B (zh) * 2021-03-02 2024-05-17 心医国际数字医疗系统(大连)有限公司 基于ct影像的床板去除方法、系统、电子设备及存储介质
CN113223517A (zh) * 2021-04-13 2021-08-06 广州爱尔眼科医院有限公司 一种基于医生语音指令的设备位置调整方法及装置
CN113223517B (zh) * 2021-04-13 2023-08-08 广州爱尔眼科医院有限公司 一种基于医生语音指令的设备位置调整方法及装置

Also Published As

Publication number Publication date
CN111513745B (zh) 2021-10-26

Similar Documents

Publication Publication Date Title
CN111513745B (zh) 一种用于高危环境下的智能化无接触ct体位识别装置
CN111898580B (zh) 针对戴口罩人群的体温和呼吸数据采集系统、方法及设备
KR20180132535A (ko) Cnn 기반 지정맥 인식 장치 및 인식 방법
KR101937323B1 (ko) 위장 얼굴 판별 장치 및 방법
CN109447962A (zh) 一种基于卷积神经网络的眼底图像硬性渗出物病变检测方法
CN109299690B (zh) 一种可提高视频实时人脸识别精度的方法
CN107080524A (zh) 智能体检一体机
KR20080018642A (ko) 원격 응급상황 모니터링 시스템 및 방법
CN109101943A (zh) 一种用于检测老人跌倒的机器视觉方法
CN110732119A (zh) 仰卧起坐测试的方法及装置
CN110705454A (zh) 一种具有活体检测功能的人脸识别方法
CN114120426A (zh) 一种基于局部分块注意力双支路优化的口罩人脸识别方法
JP2023549838A (ja) 児童の顔認識に基づく児童の座位姿勢検出の方法及びシステム
CN111241505A (zh) 一种终端设备及其登录验证方法、计算机存储介质
CN110338835B (zh) 一种智能扫描立体监测方法及系统
KR102369359B1 (ko) 영상기반 지능형 푸시-업 판별 방법 및 푸시-업 판별 시스템
CN115937971B (zh) 一种举手投票识别方法及装置
CN115331304A (zh) 一种跑步识别方法
CN116453692A (zh) 一种眼科患病风险评估筛查系统
KR101561817B1 (ko) 얼굴과 손 인식을 이용한 생체 인증 장치 및 방법
WO2021054217A1 (ja) 画像処理装置、画像処理方法及びプログラム
CN111444804A (zh) 一种基于步态识别的人体查验方法及系统
JP2021051375A (ja) 画像処理装置、画像処理方法及びプログラム
CN110705352A (zh) 基于深度学习的指纹图像检测方法
KR102628689B1 (ko) 이상행동 탐지 시스템

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant