基于机器学习的智能医疗监护框架
计算机视觉与模式识别
2020-04-08 v1 人机交互
机器学习
图像与视频处理
摘要
在本文中，我们提出了一种用于智能医疗系统的新框架，其中我们采用了压缩感知（CS）以及最先进的基于机器学习的去噪器与交替方向乘子法（ADMM）结构相结合。得益于 ADMM 的模块化结构，这种集成显著简化了低复杂度编码器的软件实现。此外，我们专注于从图像流中检测跌倒动作。因此，本研究的主要目的是将图像重建得尽可能清晰可见，从而有助于训练好的分类器中的检测步骤。对于这一高效的智能健康监测框架，我们采用训练好的二值卷积神经网络（CNN）分类器作为跌倒动作分类器，因为该方案是监控场景的一部分。在此场景中，我们处理跌倒图像，因此我们对跌倒图像进行压缩、传输与重建。实验结果表明了网络参数的影响以及所提方法相对于传统方法的显著性能增益。
引用
@article{arxiv.2004.03360,
title = {A Machine Learning Based Framework for the Smart Healthcare Monitoring},
author = {Abrar Zahin and Le Thanh Tan and Rose Qingyang Hu},
journal= {arXiv preprint arXiv:2004.03360},
year = {2020}
}