无接触面部视频基于生命体征检测框架,用于使用功能优化和混合神经网络的持续健康监测

科学领域:

• 生物医学工程 生物医学工程
• 计算机视觉 计算机视觉
• 人工智能的人工智能

背景情况:

• 持续的生命体征监测对于患者的福祉至关重要.
• 接触传感器在长期,可重复的监测方面存在局限性.
• 对生命体征的非接触面部视频分析是一个新兴的,但具有挑战性的领域.

研究的目的:

• 开发一个基于视频的非接触式框架,用于持续的健康监测.
• 解决现有的非接触式生命体征检测方法的局限性.
• 通过生命体征来提高检测异常的准确性和效率.

主要方法:

• 利用修改的战争战略优化算法来对面部进行细分.
• 采用数据采集模型来提取心率,血压,呼吸率和氧气和.
• 实现了一个改进的神经网络 (升降网) 适应性特征提取.
• 应用北方鱼优化功能选择,以减少维度.
• 开发了一种混合深层组合强化学习分类器,用于生命体征检测和分类.

主要成果:

• 拟议的框架允许从面部视频中无接触地提取多个生命体征.
• 功能优化有效地解决了休斯效应,提高了检测准确度.
• 混合分类器在检测患者异常方面表现出有效性.
• 使用基准数据集 (TokyoTechrPPG,PURE,COHFACE) 的验证证实了该框架的有效性.

结论:

• 开发的非接触式框架为持续的健康监测提供了一个有希望的解决方案.
• 优化特征选择和混合深度学习的整合提高了生命体征检测的准确性.
• 这项技术有可能克服当前监测系统的局限性,从而能够更早地检测出健康问题.