病人休克缺氧多状态图像识别仿真研究.pdf

《病人休克缺氧多状态图像识别仿真研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第31卷第2期计算机仿真2014年2月文章编号：1006—9348(2014)02—0445—05病人休克缺氧多状态图像识别仿真研究李炜(武汉大学人民医院信息中心，武汉湖北430060)摘要：研究休克病人图像识别问题，由于病人在休克、缺氧病态下，行为不受控制，行为特征随机性很明显，行为无明显可识别性变量。传统的人工智能识别算法应用到病人病态监测过程中，由于病人不可控动作干扰，使得识别过程存在大量虚假干扰动作，无法针对病人的行为进行有效判断病人状态，提出一种行为自动分类的病人多状态识别方法，采用混合高斯模型获取原始背景，通过Kalmn分类器针对病人的随机性行为变化及时更新背景图像，依

2、据不同的行为病态特征获取相应的背景图像，对当前图像和背景图像进行差分分析，对获取的差分图像进行形态学处理，依据二值图中运动目标的特征，判断病人处于哪种危险状态，进而完成对病人多状态的准确识别。病人图像视频实验结果表明，改进方法能够及时检测出病人的危险状态，具有较高的检测精确度。关键词：病人危险状态；图像识别；分类器；背景差中图分类号：TP311文献标识码：BPatientRiskIdentificationMethodBasedonImageResearchL1wei(Informationcenter，RenminHospitalofWuhanUniversity，WuhanHu

3、bei430060，China)ABSTRACT：Imagerecognitionproblemofshockpatientswasstudied．Whenpatientsinthestateofshockandhy—poxia，thebehaviorsareoutofcontrol，therandomnessofbehaviorcharacteristicsisobvious，andnoidentifiablebe—haviorvariablesarefound．Inthepaper，anidentificationmethodofpatientsinmulti—statewit

4、hautomaticclassifi—cationWaSproposed．Gaussianmixturemodelwasusedtoobtainoriginalbackground，andthebackgroundimageswereupdatedaccordingtotherandomizedbehaviorchangesinpatientsthroughKalmnclassifier．Dependingondifer-entcharacteristicsofpathologicalbehaviors，therelevantbackgroundimagewasobtained．T

5、hediferentialanalysiswasprocessedforthecurrentimageandthebackgroundimage．Themorphologicalprocessingwasdonefortheob-taineddifferenceimage，accordingtothecharacteristicofmovingtargetsinthebinaryimagetodeterminewhichcriti—calconditionsthepatientwasin．Andthen，theaccurateidentificationofpatientswith

6、multi—statewascompleted．Patients’imagevideoresultsshowthattheimprovedmethodcanpromptlydetectthedangerousstateofthepatientswithhighdetectionaccuracy．KEYWORDS：Dangerousstateofpatients；Identification；Images；Kalmnclassifier；Poorbackground据数字编码的病人危险状态识别方法以及依据神经网络的1引言病人危险状态识别方法。当前的医疗事业和技术呈现快速的发展趋势，对

7、病人的当前的智能病人状态检测具有一定的局限性。病人在状态进行及时检测和管理逐渐成为人们关注的重点问病态下，行为不受控制，行为特征随机性很明显，行为无明显题．2]。基于图像的病人危险状态检测方法，具有检测时间可识别性变量。传统的人工智能识别算法应用到病人病态短、质量高以及使用便捷等优势。相关部门逐渐关注对基于监测过程中，由于病人的不可控性动作干扰，使得识别过程图像的病人危险状态识别方法的研究，并且产生了较多的识存在大量虚假干扰动作，无法针对病人的行为进行有效判断别方法I