Eye-CU：基于多模态多视角数据的医疗睡眠姿态分类
计算机视觉与模式识别
2016-02-23 v2
摘要
卧床患者的身体姿态人工分析需要工作人员持续追踪并记录患者姿态。姿态相关疗法推广中的两个局限是人力资源匮乏和自动系统不可靠。本工作通过引入一种新方法和新系统来解决这些问题，用于在重症监护室（ICU）环境中对睡眠姿态进行鲁棒自动分类。新方法耦合约束最小二乘（cc-LS）利用多模态和多视角（MM）数据，并找到使期望标签与估计标签之间差异最小的模态信任值集合。新系统 Eye-CU 是一个经济实惠的多传感器模块化系统，用于医疗中无干扰的数据收集与分析。实验结果表明，在理想场景下 cc-LS 的性能与现有方法相当。该方法在挑战性场景中优于最新技术：在光照不佳情况下高出 13%，在光照不佳且存在遮挡情况下高出 70%。结果还表明，精简版 Eye-CU 配置可在仅损失轻微性能的情况下无需压力信息即可对姿态进行分类。
引用
@article{arxiv.1602.02343,
title = {Eye-CU: Sleep Pose Classification for Healthcare using Multimodal Multiview Data},
author = {Carlos Torres and Victor Fragoso and Scott D. Hammond and Jeffrey C. Fried and B. S. Manjunath},
journal= {arXiv preprint arXiv:1602.02343},
year = {2016}
}
备注
Ten-page manuscript including references and ten figures