基于视频的流感症状检测的决策支持

决策支持系统的开发是一个不断发展的领域，可应用于疾病控制与诊断。利用基于视频的监控数据，提取骨架特征以执行动作识别，具体为咳嗽与打喷嚏动作的检测与识别。作为流感样症状的证据，基于因果网络的决策支持系统能够为操作员提供决策所需的关键信息。本文提出一种改进的残差时间卷积网络，用于基于骨架特征的动作识别。本文探讨了将机器学习模型的结果用作认知决策支持系统证据的能力。我们提出风险与信任度量作为连接机器学习与机器推理的指标。我们给出了评估所提网络性能的实验，以及这些性能度量如何与风险结合以生成信任。