基于面部特征的麻醉复苏病人检测方法

作     者：罗荣昊 

作者单位：安徽大学 

学位级别：硕士

导师姓名：程志友;汪传建;李兵

授予年度：2023年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 1002[医学-临床医学] 081104[工学-模式识别与智能系统] 08[工学] 080203[工学-机械设计及理论] 0835[工学-软件工程] 0802[工学-机械工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 100217[医学-麻醉学] 10[医学] 

主      题：麻醉复苏检测 面部特征识别 人脸特征点检测 SSD模型 

摘      要：病人在麻醉复苏期是手术后最需要密切监测的时期。医护人员通常通过观察病人的面部特征和生理参数来判断病人的苏醒状态,并进行必要的拔管复苏等护理工作,以确保病人安全并减轻其痛苦。为了实现及时、准确的麻醉复苏监测,本文基于深度学习的方法对麻醉复苏检测进行研究,并提出了两种基于不同算法的检测方法,同时开发了麻醉复苏检测系统。本文的主要研究内容如下: (1)基于人脸特征点定位的麻醉复苏检测算法,采用ERT作为人脸对齐方法,能够显著提高特征点定位的准确性,有效识别病人面部特征。结合眼睛纵横比EAR和嘴巴纵横比MAR等特征,算法能够对病人的苏醒状态进行精确的识别和判定。此外,算法还利用眼睛闭合时间百分比PERCLOS、睁眼持续时间等特征,综合评估病人的苏醒程度,提高检测的准确性。 (2)基于改进单点多盒检测器的麻醉复苏目标检测方法。该方法首先更换原始SSD模型的主干网络VGG16为轻量级的主干网络Mobile Net V2,标准卷积替换成深度可分离卷积,通过对病人照片特征提取中先升维再降维的计算方式减少计算量,提升模型的检测速度;其次将SSD模型提取出的不同尺度的特征层融入坐标注意力机制,通过对通道和位置信息加权的方式,提升特征图提取关键信息的能力,优化网络定位分类的表现。在标注的面部数据集进行训练,实验结果表明:所提改进SSD模型与原始SSD模型比较,检测的平均准确度和检测速度均有所提升。通过结合面部特征的判定方法,能够对病人的苏醒程度进行有效识别。在测试集上总体准确率为88%,表现出良好的识别性能。 (3)麻醉复苏检测系统设计与实现。设计并实现了基于面部特征的麻醉复苏检测系统。该系统包括图像采集模块、面部特征定位模块、状态识别模块以及复苏识别模块。最后对系统进行测试,结果表明本文设计的麻醉检测预警系统能够很好的满足实际需求。