摘要
本发明涉及基于计算机视觉的术中护理行为识别系统。首先在手术室内部署多角度高分辨率摄像头收集包括手术医生和护理人员行为的视频数据,并通过专业医护人员进行数据标注与分类;其次采用深度学习模型,包括卷积神经网络CNN或递归神经网络RNN,结合多任务学习技术进行护理行为的识别与分类,并利用长短期记忆网络LSTM对视频中的时间序列数据进行分析,以识别行为的时序模式;进一步采用实现动态区域提取算法,根据场景中的动态变化调整关注区域,结合局部行为特征与全局场景信息;最后通过行为意图分析和异常行为检测,建立行为预测模型,预测接下来发生的护理行为,并及时检测与常规手术流程不符的异常护理行为。
技术关键词
计算机视觉
识别系统
长短期记忆网络
高分辨率摄像头
递归神经网络
深度学习模型
多任务
手术室
预警功能
网络控制
深度学习架构
视觉特征
多尺度特征融合
孤立森林算法
多角度
视频
深度学习网络
数据
序列
系统为您推荐了相关专利信息
游戏直播视频
直方图特征
识别方法
网络流量数据
统计特征
动态情感识别方法
无监督
预训练模型
时序特征
电信号
长短期记忆网络
输液座椅
MPC算法
输液流速控制
流速控制系统
环境控制设备
迭代学习算法
小气候
调控方法
玻璃
放疗设备
肿瘤
数学模型
时间序列预测模型
深度学习预测