CN113974588A - 一种动物实验操作的多维度自动评价*** - Google Patents
一种动物实验操作的多维度自动评价*** Download PDFInfo
- Publication number
- CN113974588A CN113974588A CN202111340007.4A CN202111340007A CN113974588A CN 113974588 A CN113974588 A CN 113974588A CN 202111340007 A CN202111340007 A CN 202111340007A CN 113974588 A CN113974588 A CN 113974588A
- Authority
- CN
- China
- Prior art keywords
- physiological
- physiological signal
- video data
- sensor
- acquisition unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 54
- 238000002474 experimental method Methods 0.000 title claims abstract description 50
- 241001465754 Metazoa Species 0.000 title claims abstract description 40
- 238000007405 data analysis Methods 0.000 claims abstract description 31
- 238000007781 pre-processing Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 20
- 230000008569 process Effects 0.000 claims abstract description 16
- 238000004458 analytical method Methods 0.000 claims description 31
- 238000000605 extraction Methods 0.000 claims description 30
- 230000036772 blood pressure Effects 0.000 claims description 12
- 238000011511 automated evaluation Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 10
- 238000002567 electromyography Methods 0.000 claims description 9
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 9
- 239000013589 supplement Substances 0.000 claims description 9
- 208000027418 Wounds and injury Diseases 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 6
- 206010052428 Wound Diseases 0.000 claims description 3
- 230000005484 gravity Effects 0.000 claims description 3
- 210000004209 hair Anatomy 0.000 claims description 3
- 230000009467 reduction Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000010171 animal model Methods 0.000 claims description 2
- 230000001502 supplementing effect Effects 0.000 claims description 2
- 241000283973 Oryctolagus cuniculus Species 0.000 description 12
- 206010002091 Anaesthesia Diseases 0.000 description 8
- 230000037005 anaesthesia Effects 0.000 description 8
- 230000006872 improvement Effects 0.000 description 5
- 238000002347 injection Methods 0.000 description 5
- 239000007924 injection Substances 0.000 description 5
- 230000003321 amplification Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 208000014674 injury Diseases 0.000 description 3
- 238000003199 nucleic acid amplification method Methods 0.000 description 3
- 230000035790 physiological processes and functions Effects 0.000 description 3
- 230000035488 systolic blood pressure Effects 0.000 description 3
- 238000002627 tracheal intubation Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 210000001168 carotid artery common Anatomy 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000005303 weighing Methods 0.000 description 2
- 206010049816 Muscle tightness Diseases 0.000 description 1
- 240000007711 Peperomia pellucida Species 0.000 description 1
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 238000001949 anaesthesia Methods 0.000 description 1
- 210000000544 articulatio talocruralis Anatomy 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000004889 cervical nerve Anatomy 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 210000005069 ears Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 210000003414 extremity Anatomy 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 210000004283 incisor Anatomy 0.000 description 1
- 210000003141 lower extremity Anatomy 0.000 description 1
- 238000011056 performance test Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000011514 reflex Effects 0.000 description 1
- 230000036387 respiratory rate Effects 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 210000003437 trachea Anatomy 0.000 description 1
- 210000001364 upper extremity Anatomy 0.000 description 1
- 210000003462 vein Anatomy 0.000 description 1
- 210000003857 wrist joint Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/33—Heart-related electrical modalities, e.g. electrocardiography [ECG] specially adapted for cooperation with other devices
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/389—Electromyography [EMG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/40—Animals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Artificial Intelligence (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Psychiatry (AREA)
- Mathematical Physics (AREA)
- Fuzzy Systems (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychology (AREA)
- Pulmonology (AREA)
- Investigating Or Analysing Biological Materials (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
本发明公开了一种动物实验操作的多维度自动评价***,包括视频采集单元、生理信号采集单元、预处理单元、分类器和数据分析控制单元;视频采集单元,用于采集实验操作过程的视频数据;生理信号采集单元,用于采集实验操作过程中动物体的生理信号;预处理单元,对生理信号进行预处理;分类器,对生理信号进行类型区分,并将进行类型区分后的生理信号发送至数据分析控制单元;数据分析控制单元,用于接收视频采集单元发送过来的视频数据和分类器发送过来的生理信号,根据视频数据生成实验操作评价报告,根据生理信号生成实验结果评价报告。本发明实现了对实验者实验操作和实验结果的自动评价,提高了评价效率。
Description
技术领域
本发明属于实验操作考核及自动评价仪表领域,特别是涉及一种动物实验操作的多维度自动评价***。
背景技术
动物实验,尤其是机能学实验,其实验操作阶段一般包括 “捉拿与称重”、“麻醉与固定”、“备皮与气管插管”、“分离组织”、“颈总动脉插管”、“药物注射干预”等。在对学生进行的动物实验操作进行考核评价时,目前传统方法只能通过人工去判定学生操作的正确性与合理性,比如每一个学生需要一个监考老师进行现场记录和评价打分,存在效率低下、主观性差异大、无法遵从规范化评定标准等问题,致使对实验考核的评价不准确。动物实验操作自动考核评价***的开发很有必要,尤其是实现了两个维度考核的自动考核评价***:一个维度是针对实验操作本身的自动考核评价,另一个维度是针对实验操作结果的自动考核评价。但是医学领域的动物实验相比其他领域的实验来说,要实现精准的采集和自动化的评价尤其困难,因为动物实验过程中采集到的生理信号复杂多样,包括不同动物种类及动物的不同生理信号类型,并且采集到的信号存在各种噪声干扰,同样地目前也没有专门针对采集到的生理信号进行合理判定和自动评价的技术。
发明内容
本发明的目的在于克服以上现有技术的不足,提供一种动物实验操作的多维度自动评价***。
本发明的目的是通过以下技术方案来实现的:
一种动物实验操作的多维度自动评价***,包括视频采集单元、生理信号采集单元、预处理单元、分类器和数据分析控制单元;
视频采集单元,用于采集实验操作过程的视频数据,并将所述视频数据发送至所述数据分析控制单元;
生理信号采集单元,用于采集实验操作过程中动物体的生理信号,并将所述生理信号发送至所述预处理单元;
预处理单元,用于接收所述生理信号采集单元发送过来的生理信号,对所述生理信号进行预处理,并将预处理后的生理信号发送至所述分类器;
分类器,用于接收预处理单元发送过来的生理信号,对所述生理信号进行类型区分,并将进行类型区分后的生理信号发送至所述数据分析控制单元;
数据分析控制单元,用于接收所述视频采集单元发送过来的视频数据和所述分类器发送过来的生理信号,并根据所述视频数据生成实验操作评价报告,以及根据所述生理信号生成实验结果评价报告。
进一步改进地,所述视频采集单元包括:可变焦的微距摄像头,用于采集实验操作过程的视频数据,将所述视频数据发送至所述数据分析控制单元;亮度可调的补光灯,用于为所述微距摄像头进行补光;所述补光灯在环境亮度低于第一阈值时点亮,并在环境亮度高于第二阈值时熄灭。
进一步改进地,所述生理信号采集单元包括血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器中的一种或多种,所述血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器与预处理单元连接,所述血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器用于与实验动物体连接。
进一步改进地,对所述生理信号进行预处理,包括对所述生理信号进行滤波和降噪。
进一步改进地,所述数据分析控制单元包括卷积神经网络模型、第一实验操作分析模块和第一评分模块,所述卷积神经网络模型包括阶段判断网络和若干阶段特征提取网络;其中:阶段判断网络,用于接收所述视频采集单元发送过来的视频数据,对所述视频数据进行识别,判断所述视频数据所属的实验操作阶段,生成第一判断结果,并根据第一判断结果将所述视频数据发送给对应的阶段特征提取网络;阶段特征提取网络,用于接收所述阶段判断网络发送过来的视频数据,并从所述视频数据中提取第一特征,所述第一特征包括动物体身体部位、动物体毛发、创口、血迹和医用器械中的一种或多种;第一实验操作分析模块,用于接收阶段特征网络发送过来的第一特征,并判断所述第一特征是否符合第一预设条件,生成第二判断结果;第一评分模块,用于根据所述第二判断结果生成实验操作评价报告。
进一步改进地,所述数据分析控制单元还包括生理信号特征提取模型、第二实验结果分析模块和第二评分模块;生理信号特征提取模型,用于接收所述分类器发送过来的生理信号,对所述生理信号进行时域分析得到时域特征和/或对所述生理信号进行频域分析得到频域特征;第二实验结果分析模块,用于接收生理信号特征提取模型发送过来的时域特征和/或频域特征,并判断所述时域特征和/或频域特征是否符合第二预设条件,生成第三判断结果;第二评分模块,用于根据所述第三判断结果生成实验结果评价报告。
进一步改进地,所述第一预设条件包括第一特征或第一特征之间需满足的位置关系、大小范围、长度范围、数量范围中的一种或多种。
进一步改进地,所述时域特征包括幅度、频率、时程、峰峰值、基线、平均值、方差和峭度指标中的一种或多种;所述频域特征包括重心频率、均方频率、频率方差、频率标准差、短时功率谱密度中的一种或多种。
进一步改进地,所述第二预设条件为动物体生理参数范围。
进一步改进地,对所述生理信号进行类型区分,包括:分类器对其接收到的生理信号进行类型识别,若有至少一个生理信号识别失败,则输出评价为不合格的实验结果评价报告,否则将所述生理信号发送至所述生理信号特征提取模型。
本发明的有益效果为:
1) 通过卷积神经网络模型,对视频数据中的第一特征进行提取,通过第一实验操作分析模块对第一特征进行判断,生成第二判断结果,第一评分模块根据第二判断结果生成实验操作评价报告;通过生理信号特征提取模型,对生理信号进行时域和/或频域分析得到时域特征和/或频域特征,通过第二实验结果分析模块对时域特征和/或频域特征进行判断,生成第三判断结果,第二评分模块根据第三判断结果生成实验结果评价报告,由此实现对动物实验操作的实验操作本身以及实验结果的自动评价,提高了评价效率,同时避免了人工评价带来的主观性对评价结果的影响,提高了评价的准确度。
2) 通过采用可自动变焦的微距摄像头,不同实验操作阶段采用不同倍数的焦距,实现对实验操作的准确采集,提升了实验操作评价的准确性。
3) 通过多维度的时域特征和频域特征提取和分析,提升了实验结果评价的准确性。
4) 通过分类器对生理信号进行类型识别,识别出具体的生理信号类型后再输入生理信号特征提取模型进行提取并进入第二实验结果评价模块进行判断,实现在具体的信号类型下的提取和分析,提升了实验结果评价的准确性。
附图说明
图1为多维度自动评价***的一种结构框图;
图2为对实验操作自动评价的一种流程图;
图3为对实验结果自动评价的一种流程图。
具体实施方式
下面将结合实施例,对本发明的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有付出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种技术方案:一种动物实验操作的多维度自动评价***。本实施例针对家兔的机能实验操作进行多维度自动评价。
参阅图1至图3,多维度自动评价***包括如下五部分:视频采集单元、生理信号采集单元、预处理单元、分类器和数据分析控制单元。其中:
视频采集单元,用于采集实验操作过程的视频数据,采集到的视频数据发送至数据分析控制单元。本实施例中视频采集单元优选设置为可变焦的微距摄像头和亮度可调的补光灯。其中微距摄像头对实验操作过程的视频数据进行采集,并将采集到的视频数据发送给数据分析控制单元,同时数据分析控制单元控制微距摄像头的焦距变化。另外数据分析控制单元也控制补光灯的亮度变化,在环境亮度低于第一阈值时数据分析控制单元发出控制信号,使补光灯点亮,以对微距摄像头进行补光,并在环境亮度高于第二阈值时数据分析控制单元发出控制信号,使补光灯熄灭,结束补光。
生理信号采集单元,用于采集实验操作过程中动物体的生理信号,采集到的生理信号发送至预处理单元。生理信号采集单元采用各种传感器进行动物体实时生理信号的采集,在实验操作过程中由实验者连接到动物体。传感器类型包括血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器中的一种或多种,其中血压传感器用于采集血压信号,呼吸传感器用于采集呼吸信号,肌电传感器用于采集肌电信号,脑电传感器用于采集脑电信号,心电传感器用于采集心电信号。具体地,还可以根据需要增设对其他生理信号进行采集的传感器。
预处理单元,用于接收上述生理信号采集单元发送过来的生理信号,对生理信号进行预处理,并将预处理后的生理信号发送至分类器,其中预处理过程包括滤波和降噪。在普通实施例中,预处理的实现基于硬件的信号放大模块、滤波模块,以及基于软件的信号去噪算法,生理信号首先输入信号放大模块进行信号放大,经放大后输入滤波模块进行滤波,并通过去噪算法进行去噪处理。通过传感器采集到的生理信号中,噪声来源包括工频干扰,基线漂移以及动物体的活动干扰等,通过预处理单元去除生理信号中的干扰成分,加强生理信号中的有用部分。
分类器,用于接收预处理单元发送过来的生理信号,对生理信号进行类型区分,并将进行类型区分后的生理信号发送至数据分析控制单元。本实施例中分类器优选为训练好的分类模型,该分类模型基于历史的动物体生理信号作为输入信号进行训练得到,在实验者开始实验操作后,实时生理信号从预处理单元发送过来,分类模型对输入的实时生理信号进行类型识别。
数据分析控制单元,包括卷积神经网络模型、第一实验操作分析模块、第一评分模块、生理信号特征提取模型、第二实验结果分析模块以及第二评分模块。其中卷积神经网络模型、第一实验操作分析模块以及第一评分模块构成数据分析单元的第一功能部分,对接收到的视频数据进行提取、分析和评价,然后生成实验操作评价报告;另外生理信号特征提取模型、第二实验结果分析模块以及第二评分模块构成数据分析单元的第二功能部分,对接收的分类器发送的生理信号进行提取、分析和评价,然后生成实验结果评价报告。
其中第一功能部分中,卷积神经网络模型基于深度学习中的目标检测、关键点检测以及图像分类技术构建并通过训练和强化得到。训练好的卷积神经网络模型包括阶段判断网络和若干阶段特征提取网络。视频采集单元将采集到的视频数据发送至阶段判断网络,由阶段判断网络对视频数据所属的实验操作阶段进行判断,并生成第一判断结果,其中第一判断结果包含视频数据中各帧所属阶段的信息,并根据第一判断结果将视频数据发送给对应的阶段特征提取网络。本实施例中家兔的机能实验操作包含七个阶段,分别为:术前准备阶段;捉拿与称重阶段;麻醉与固定阶段;备皮与气管插管阶段;分离颈部神经阶段;颈总动脉插管阶段;术后处理阶段,则相应的阶段特征提取网络的数量为七个。阶段判断网络对视频数据所属的实验操作阶段进行判断的过程为:实验者开始实验操作后视频采集单元与阶段判断网络之间开始视频数据流的实时传送,由于各个阶段中用到的实验器械以及兔子的状态各不相同,已经训练好的阶段判断网络通过对这些状态特征进行提取并分类,由此判断出当前在进行的实验阶段,然后将视频帧对应的发送至其所属阶段的阶段特征提取网络。之后由阶段特征提取网络从阶段判断网络发送过来的视频数据中提取第一特征,各个阶段特征提取网络均将提取出的第一特征发送给第一实验操作分析模块。其中提取的第一特征包括动物体身体部位、动物体毛发、创口、血迹和医用器械等。例如麻醉与固定阶段,固定操作需提取的第一特征包括仰卧位、家兔前后四肢、家兔颈部、绑带套住上门齿固定家兔头部、绑带位于腕关节上方固定家兔上肢、绑带位于踝关节上方固定家兔下肢等,麻醉操作需提取的第一特征包括兔耳、兔耳缘静脉、兔眼、注射器、呼吸频率、肌肉紧张度、角膜反射等。
第一实验操作分析模块,用于接收阶段特征网络发送过来的第一特征,并判断所述第一特征是否符合第一预设条件,生成第二判断结果。这里的第一预设条件包括:第一特征或第一特征之间需要满足的位置关系、第一特征需要满足的大小范围、第一特征需要满足的长度范围、第一特征需要满足的数量范围等。通过判断,若第一特征不符合第一预设条件,则计入第二判断结果;若符合,则不计入第二判断结果,判断完成后得到第二判断结果,并将第二判断结果发送给第一评分模块。例如麻醉与固定阶段,首先将固定操作提取到的第一特征输入第一实验操作分析模块,第一预设条件包括第一特征之间需满足的位置关系,将第一特征与预设的位置关系进行比较分析,若符合,则可判定家兔固定操作的手法正确,该操作不扣分,不计入第二判断结果,若不符合,则可判定家兔固定操作的手法不正确,该操作扣分,计入第二判断结果;其次麻醉操作提取到的八个第一特征输入第一实验操作分析模块,其中一个预设条件包括麻醉耳朵与注射位置之间需满足的位置关系,将输入的麻醉耳朵与注射位置两个第一特征之间的位置关系与预设的位置关系进行比较分析,若符合,则可判定为远心端注射(操作手法正确),该操作不扣分,不计入第二判断结果,若不符合,则可判定为非远心端注射(操作手法错误),该操作扣分,计入第二判断结果。
在普通实施例中,第一评分模块通常包括相应的评分程序,通过将第二判断结果输入评分程序,计算出得分,生成包含考评分值的实验操作评价报告。
在数据分析控制单元的第二功能部分中,生理信号特征提取模型用于接收分类器发送过来的生理信号,对生理信号进行时域分析得到时域特征和/或进行频域分析得到频域特征。时域特征包括幅度、频率、时程、峰峰值、基线、平均值、方差和峭度指标中的一种或多种;频域特征包括重心频率、均方频率、频率方差、频率标准差、短时功率谱密度中的一种或多种。生理信号特征提取模型基于统计算法构建,其中通过对实时生理信号数据流的幅度、频率、时程、峰峰值、基线、平均值、方差、峭度指标等变化情况进行统计,得到生理信号的时域特征;同时也通过对实时生理信号数据流的重心频率、均方频率、频率方差、频率标准差、短时功率谱密度等变化情况进行统计,得到生理信号的频域特征。
第二实验结果分析模块,用于接收生理信号特征提取模型发送过来的时域特征和/或频域特征,并判断时域特征和/或频域特征是否符合第二预设条件,生成第三判断结果。这里的第二预设条件为动物体生理参数范围。通过判断,若提取的时域特征和/或频域特征不符合动物体生理参数范围,则计入第三判断结果,若符合,则不计入第三判断结果,分析完成后得到第二分析结果,并将所述第二分析结果发送给第二评分模块。例如血压信号,动物体生理参数范围中收缩压应不低于80mmHg,若提取到的血压幅度中收缩压低于80mmHg,则判定术中动物体生理状态不稳定,存在术中伤害或误操作,该项不合格,为扣分项,计入第三判断结果,若提取到的血压幅度中收缩压不低于80mmHg,则判定术中动物体生理状态稳定,不存在术中伤害或误操作,该项合格,不扣分,不计入第三判断结果。
在普通实施例中,第二评分模块通常包括相应的评分程序,通过将第三判断结果输入评分程序,计算出得分,生成包含考评分值的实验结果评价报告。
分类器对生理信号进行类型区分的步骤包括如下:
S01,分类器对其接收到的生理信号进行类型识别;
S02,若有至少一个生理信号识别失败,则输出评价为不合格的实验结果评价报告,否则将生理信号发送至生理信号特征提取模型。
在实验者开始实验操作后视频采集单元与阶段判断网络之间开始视频数据流的实时传送,当阶段判断网络判断出实验操作所属阶段后,同步地将判断结果通过数据分析控制单元转换为控制信号,发送至视频采集单元,进而对微距摄像头进行调焦,微距摄像头调整为与实验操作所属阶段匹配的焦距。
综上所述,本技术方案基于实验操作过程数据(视频数据和生理信号数据),实现了两个维度的自动评价:一个为视频维度,基于视频数据实现对实验操作的自动评价,即实现对实验操作本身正确与否的自动判断;一个为生理信号维度,基于动物体的生理信号数据实现对实验结果的自动评价,即实现对术中动物体的生理状态是否正常、是否存在术中伤害等的自动判断,并据此进一步的判定实验操作是否成功。
以上所述仅是本发明的优选实施方式,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文所述构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种动物实验操作的多维度自动评价***,其特征在于:包括视频采集单元、生理信号采集单元、预处理单元、分类器和数据分析控制单元;
视频采集单元,用于采集实验操作过程的视频数据,并将所述视频数据发送至所述数据分析控制单元;
生理信号采集单元,用于采集实验操作过程中动物体的生理信号,并将所述生理信号发送至所述预处理单元;
预处理单元,用于接收所述生理信号采集单元发送过来的生理信号,对所述生理信号进行预处理,并将预处理后的生理信号发送至所述分类器;
分类器,用于接收预处理单元发送过来的生理信号,对所述生理信号进行类型区分,并将进行类型区分后的生理信号发送至所述数据分析控制单元;
数据分析控制单元,用于接收所述视频采集单元发送过来的视频数据和所述分类器发送过来的生理信号,并根据所述视频数据生成实验操作评价报告,以及根据所述生理信号生成实验结果评价报告。
2.根据权利要求1所述的一种动物实验操作的多维度自动评价***,其特征在于:所述视频采集单元包括:
可变焦的微距摄像头,用于采集实验操作过程的视频数据,将所述视频数据发送至所述数据分析控制单元;
亮度可调的补光灯,用于为所述微距摄像头进行补光;所述补光灯在环境亮度低于第一阈值时点亮,并在环境亮度高于第二阈值时熄灭。
3.根据权利要求1所述的一种动物实验操作的多维度自动评价***,其特征在于:所述生理信号采集单元包括血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器中的一种或多种,所述血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器与预处理单元连接,所述血压传感器、呼吸传感器、肌电传感器、脑电传感器和心电传感器用于与实验动物体连接。
4.根据权利要1所述的一种动物实验操作的多维度自动评价***,其特征在于:对所述生理信号进行预处理,包括对所述生理信号进行滤波和降噪。
5.根据权利要求1所述的一种动物实验操作的多维度自动评价***,其特征在于:所述数据分析控制单元包括卷积神经网络模型、第一实验操作分析模块和第一评分模块,所述卷积神经网络模型包括阶段判断网络和若干阶段特征提取网络;
阶段判断网络,用于接收所述视频采集单元发送过来的视频数据,对所述视频数据进行识别,判断所述视频数据所属的实验操作阶段,生成第一判断结果,并根据第一判断结果将所述视频数据发送给对应的阶段特征提取网络;
阶段特征提取网络,用于接收所述阶段判断网络发送过来的视频数据,并从所述视频数据中提取第一特征,所述第一特征包括动物体身体部位、动物体毛发、创口、血迹和医用器械中的一种或多种;
第一实验操作分析模块,用于接收阶段特征网络发送过来的第一特征,并判断所述第一特征是否符合第一预设条件,生成第二判断结果;
第一评分模块,用于根据所述第二判断结果生成实验操作评价报告。
6.根据权利要求1所述的一种动物实验操作的多维度自动评价***,其特征在于:所述数据分析控制单元还包括生理信号特征提取模型、第二实验结果分析模块和第二评分模块;
生理信号特征提取模型,用于接收所述分类器发送过来的生理信号,对所述生理信号进行时域分析得到时域特征和/或对所述生理信号进行频域分析得到频域特征;
第二实验结果分析模块,用于接收生理信号特征提取模型发送过来的时域特征和/或频域特征,并判断所述时域特征和/或频域特征是否符合第二预设条件,生成第三判断结果;
第二评分模块,用于根据所述第三判断结果生成实验结果评价报告。
7.根据权利要求5所述的一种动物实验操作的多维度自动评价***,其特征在于:所述第一预设条件包括第一特征或第一特征之间需满足的位置关系、大小范围、长度范围、数量范围中的一种或多种。
8.根据权利要求6所述的一种动物实验操作的多维度自动评价***,其特征在于:所述时域特征包括幅度、频率、时程、峰峰值、基线、平均值、方差和峭度指标中的一种或多种;所述频域特征包括重心频率、均方频率、频率方差、频率标准差、短时功率谱密度中的一种或多种。
9.根据权利要求6所述的一种动物实验操作的多维度自动评价***,其特征在于:所述第二预设条件为动物体生理参数范围。
10.根据权利要求6所述的一种动物实验操作的多维度自动评价***,其特征在于:对所述生理信号进行类型区分,包括:分类器对其接收到的生理信号进行类型识别,若有至少一个生理信号识别失败,则输出评价为不合格的实验结果评价报告,否则将所述生理信号发送至所述生理信号特征提取模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340007.4A CN113974588B (zh) | 2021-11-12 | 2021-11-12 | 一种动物实验操作的多维度自动评价*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111340007.4A CN113974588B (zh) | 2021-11-12 | 2021-11-12 | 一种动物实验操作的多维度自动评价*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113974588A true CN113974588A (zh) | 2022-01-28 |
CN113974588B CN113974588B (zh) | 2024-01-05 |
Family
ID=79748247
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111340007.4A Active CN113974588B (zh) | 2021-11-12 | 2021-11-12 | 一种动物实验操作的多维度自动评价*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113974588B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559177A (zh) * | 2022-03-07 | 2022-05-31 | 北京洞微科技发展有限公司 | 基于影像数据分析的焊接评估方法、装置及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201239143Y (zh) * | 2008-08-04 | 2009-05-20 | 苏州大学 | 实验动物生理信号监测仪 |
CN105788390A (zh) * | 2016-04-29 | 2016-07-20 | 吉林医药学院 | 基于增强现实的医学解剖辅助教学*** |
CN106264569A (zh) * | 2016-08-10 | 2017-01-04 | 深圳先进技术研究院 | 一种基于观察性恐惧习得的共情神经实验*** |
CN109646146A (zh) * | 2018-12-03 | 2019-04-19 | 青岛大学 | 一种用于实验动物***麻醉***及其操作方法 |
CN110338784A (zh) * | 2018-04-02 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 测试睡眠剥夺效果的方法、装置、计算机设备及存储介质 |
CN110477867A (zh) * | 2019-08-19 | 2019-11-22 | 中山大学 | 一种动物电刺激疼痛评估测试***及评估测试方法 |
CN112315473A (zh) * | 2019-07-31 | 2021-02-05 | 深圳先进技术研究院 | 非人灵长类动物多模态数据采集实验*** |
-
2021
- 2021-11-12 CN CN202111340007.4A patent/CN113974588B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201239143Y (zh) * | 2008-08-04 | 2009-05-20 | 苏州大学 | 实验动物生理信号监测仪 |
CN105788390A (zh) * | 2016-04-29 | 2016-07-20 | 吉林医药学院 | 基于增强现实的医学解剖辅助教学*** |
CN106264569A (zh) * | 2016-08-10 | 2017-01-04 | 深圳先进技术研究院 | 一种基于观察性恐惧习得的共情神经实验*** |
CN110338784A (zh) * | 2018-04-02 | 2019-10-18 | 中国科学院深圳先进技术研究院 | 测试睡眠剥夺效果的方法、装置、计算机设备及存储介质 |
CN109646146A (zh) * | 2018-12-03 | 2019-04-19 | 青岛大学 | 一种用于实验动物***麻醉***及其操作方法 |
CN112315473A (zh) * | 2019-07-31 | 2021-02-05 | 深圳先进技术研究院 | 非人灵长类动物多模态数据采集实验*** |
CN110477867A (zh) * | 2019-08-19 | 2019-11-22 | 中山大学 | 一种动物电刺激疼痛评估测试***及评估测试方法 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114559177A (zh) * | 2022-03-07 | 2022-05-31 | 北京洞微科技发展有限公司 | 基于影像数据分析的焊接评估方法、装置及存储介质 |
CN114559177B (zh) * | 2022-03-07 | 2023-12-05 | 北京洞微科技发展有限公司 | 基于影像数据分析的焊接评估方法、装置及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113974588B (zh) | 2024-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240023893A1 (en) | In-ear nonverbal audio events classification system and method | |
CN110811609B (zh) | 基于自适应模板匹配与机器学习算法融合的癫痫棘波智能检测装置 | |
CN102499664B (zh) | 基于视频图像的非接触式生命体征的检测方法及检测*** | |
CN109106350A (zh) | 低生理负荷的睡眠呼吸暂停低通气综合征初步筛查方法 | |
CN111797817B (zh) | 情绪识别方法、装置、计算机设备及计算机可读存储介质 | |
AU2017263802B2 (en) | A user interface for navigating through physiological data | |
CN107887032A (zh) | 一种数据处理方法及装置 | |
CN111803032B (zh) | 一种新冠肺炎疑似感染的大面积观测方法及*** | |
CN112472089A (zh) | 一种基于眼动技术判断心理测试可靠性的***及方法 | |
CN117457229B (zh) | 基于人工智能的麻醉深度监测***及方法 | |
WO2021208656A1 (zh) | 睡眠风险预测方法、装置和终端设备 | |
CN104083147B (zh) | 中医诊断*** | |
CN109065163A (zh) | 中医诊断服务平台 | |
CN113974588A (zh) | 一种动物实验操作的多维度自动评价*** | |
CN109346164A (zh) | 一种中医临床案例的自动采集设备及方法 | |
KR20200059584A (ko) | 호흡-심박 비율을 이용한 스트레스 수준 분석 방법 및 시스템 | |
CN110522415A (zh) | 一种动物疼痛测试***及其测试方法 | |
CN109036552A (zh) | 中医诊断终端及其存储介质 | |
CN113069091A (zh) | 一种ppg信号的脉象分类装置及方法 | |
CN110517229B (zh) | 一种脉搏检测方法、***、电子装置及存储介质 | |
CN111048202A (zh) | 一种智能化中医诊断***及其方法 | |
CN116469557A (zh) | 干预效果评估方法、装置、终端设备及存储介质 | |
CN115886720A (zh) | 一种基于脑电信号的可穿戴视力检测装置 | |
JP2020014611A (ja) | 心因性非てんかん発作検出装置及び方法 | |
CN112932509B (zh) | 一种眼电信号捡拾与优化分析方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |