- 重要说明:如果没有批准检查者更改,考试人员的任务是约束力的。您只能在旨在为您的课程的考官那里提供考试表演。如果您参加了另一个检查员,则您的考试将不会被评级并记录辞职。
摘要:基于视频的外围氧饱和度(SPO2)估计,仅利用RGB摄像机,提供了一种非接触式方法来测量血氧水平。先前的研究将稳定且不变的环境设定为非接触式血氧估计的前提。此外,他们还利用了少量标记的数据进行系统培训和学习。但是,使用小数据集训练最佳模型参数是一项挑战。血氧检测的准确性很容易受到环境光和受试者运动的影响。为了解决这些问题,本文提出了一个对比度学习时空注意网络(CL-SPO2NET),这是一个用于基于视频的SPO2估计的创新的半监督网络。在包含面部或手部区域的视频段中发现了远程光绘画(RPPG)信号中的时空相似性。随后,将深层神经网络与机器学习专业知识相结合,从而估算了SPO2。在小规模标记的数据集的情况下,该方法具有良好的可行性,在稳定的环境中,摄像机和参考脉冲血氧仪之间的平均绝对误差为0.85%,在面部旋转情况下具有1.13%的照明频率为1.13%。
“在所有这些计算中,我只想阐明原理,几乎无需指出,我的整个基础都是随机假设的,只是为了举例说明。结果虽然程度不同,但原则上是相同的。……我的目标是简化这个问题” (Ricardo 1951-1973,第 1 卷,第 121-122 页)。
