SEIN的研究人员使用MATLAB、Simulink和Com金宝appputer Vision Toolbox™构建了一个系统,该系统通过使用视频数据分析癫痫患者的运动来自动检测癫痫发作。
Kalitzin博士首先将该项目分为三个部分:图像采集、处理和分析以及系统输出。这促进了模块化系统设计,使研究人员能够专注于算法开发,并在各种输入格式和输出选项之间切换。
该团队使用Simulink和金宝app计算机视觉工具箱从现有的AVI和MPEG文件中获取视频数据,使他们能够从数百个患者视频中测试他们的算法。
癫痫发作以特定类型的患者运动为特征:肌阵挛性发作以单次抽搐为特征,强直性发作以僵硬为特征,而阵挛性发作以重复的、有节奏的抽搐为特征。SEIN的研究人员使用计算机视觉工具箱使用光流技术检测视频序列中的这种运动。
他们使用计算机视觉工具箱中的光流块估计速度场,然后在多帧上平均速度场,以减少需要处理的数据量。他们还隔离了正负速度元素,以避免像素之间的相互抵消。然后,该团队通过处理数千个不同位置的患者的图像流来改进该算法。
在开发了检测癫痫发作的算法后,该团队使用MATLAB、统计学和机器学习工具箱™、图像处理工具箱™和信号处理工具箱™,通过将它们与依赖于肌电图、脑电图和视频的方法进行比较来验证结果。
然后使用Simulink模型将验证结果用于调整算法的灵敏度。金宝app根据应用程序是否将用于诊断或实时患者监测,该模型可以增加以检测所有癫痫样事件或减少以降低误报的数量。
Kalitzin计划通过自动选择感兴趣的区域来增强算法,这将最大限度地减少因进入框架的看护者造成的误报。SEIN的研究人员还与其他医院合作,利用图像采集工具箱™从网络摄像机获取视频数据,对患者进行自动实时监测。