一种基于人脸视频检测心率新方法的可行性验证北大核心CSCD

心率是人身体健康的一个重要指标,从人脸视频中检测心率是一种正在快速发展的非接触式检测方法,但该方法的结果准确性易受光照变化及受试者头部运动等噪声影响。为了消除噪声影响,提高心率检测准确性,文章创新性地提出了一种新的思路:将光照变化和头部运动噪声作为目标进行趋势拟合并从相机原始信号中消除,以实现高信噪比的人体心率信号提取。为验证方法的可行性,以医用指夹式脉搏血氧仪的数值为参考心率,通过对比结果在参考心率处的平均信噪比和心率检测准确率,提出的方法相比POS方法提高了9.60%,37.19%;相比于ICA算法提高了48.48%,51.75%。实验结果表明,提出的新方法具有较好的去噪能力和较高的精准度。     

基于智能手机的快照式荧光多光谱成像

多光谱重建技术在生物医学领域有着巨大的应用潜力。在传统的皮肤和口腔细菌评估中，目视检查仍然是最广泛使用的方法。这种方法依靠肉眼观察，主观性很强。即使是有经验的临床医生，对细菌感染的确定和评估也经常存在不确定性。为了提供客观和更准确的细菌评估，提出一种基于Wiener估计的荧光多光谱重建方法。该方法基于智能手机平台，用紫色光源激发，采集了皮肤和牙齿的自发荧光图像，使用Wiener估计算法将获取的自发荧光图像重建为具有31个波段（范围为400～700 nm）的多光谱数据立方体，提取并比较细菌产生的卟啉和内源性背景组织发射的光谱强度。基于提取的自发荧光光谱，应用加权减法来实现对皮肤表面细菌的高对比度和高信噪比识别。实验结果表明，所提方法不仅能够准确重建荧光多光谱图像，而且能够实现细菌的定位，应用加权减法后，对比度增强了12～46倍，信噪比提高了1.63～2倍。