当前位置：首页 > news >正文

卒中康复期疲劳自动判别工具：PyTorch版3D-CNN模型+带标注视频数据+一键推理界面

news 2026/7/8 18:56:33

本文还有配套的精品资源，点击获取

简介：直接可用的卒中后疲劳识别工具包，用3D-CNN处理患者行为或生理视频序列，自动输出疲劳状态判断结果。含完整标注数据集（视频帧序列）、已训练好的C3D模型权重、train.py和inference.py脚本，以及适配Windows/macOS的图形界面（login.ui + win.ui），双击main.py即可启动可视化操作。代码结构清晰：network目录包含C3D_model和CNN_RNN混合模型；dataloaders与datasets.py支持多模态数据加载；utils.py和base_process.py封装通用预处理与日志功能；generation_process.py提供样本增强和伪标签生成能力；audio目录内置提示音drowsiness.mp3用于疲劳提醒。所有模块基于PyTorch 1.12+开发，requirements.txt明确依赖项，已在Win10/11及macOS实测通过。适合毕业设计快速搭建、课程实验部署或临床辅助评估原型开发，无需从零训练模型，也不需要额外标注数据。

1. 项目概述：这不是一个“玩具模型”，而是一套能进康复科走廊的临床辅助工具

你有没有见过这样的场景：一位刚出院三个月的卒中患者，在康复训练室里做着上肢镜像训练，动作越来越慢、呼吸节奏变浅、眼神开始涣散——但康复师正同时带三名患者，很难在每一秒都精准捕捉这种细微的生理退行信号。疲劳不是主观抱怨，而是神经可塑性修复过程中的真实代谢瓶颈；它直接影响训练剂量有效性，甚至可能诱发二次跌倒风险。这套“卒中康复期疲劳自动判别工具”，就是为解决这个临床真问题而生的——它不追求SOTA（State-of-the-Art）论文指标，而是把可部署性、鲁棒性、临床友好性放在第一位。

核心关键词“卒中疲劳识别”背后，是神经康复学中一个被长期低估的维度：Post-Stroke Fatigue（PSF），发生率高达40%–70%，且与运动皮层兴奋性下降、前额叶-基底节环路功能连接减弱显著相关。传统评估依赖量表（如FSS、MFI-20），主观性强、耗时长、无法实时反馈。而本工具采用“行为视频序列+3D-CNN模型”的轻量化路径，绕开了昂贵的EEG/fNIRS设备，仅用普通RGB摄像头采集患者坐姿训练时的面部微表情、肩颈姿态变化、手部运动节律等多维线索，通过三维卷积核在时空域联合建模，实现毫秒级疲劳状态跃迁点识别。它不是替代医生，而是给康复师装上一双“数字副眼”。

“3D-CNN模型”在这里不是炫技选择。我对比过LSTM处理帧特征向量、Transformer编码时序、以及3D-CNN直接处理视频体素三种方案：前者需手工设计关键点特征（OpenPose输出），易受遮挡干扰；后者计算开销大、小样本下易过拟合；而C3D结构天然适配康复场景——患者训练动作幅度有限、节奏稳定、空间变化集中在上半身，3D卷积核恰好能捕获“眨眼频率降低→头部轻微前倾→手指屈曲延迟”这一连串时空耦合模式。实测表明，在仅24例标注视频（每例含60秒连续片段，采样率15fps）的小数据集上，C3D_base版本准确率达86.3%，比同规模LSTM高9.2个百分点，推理延迟压到380ms以内，完全满足实时提醒需求。

“PyTorch工具包”则意味着它拒绝黑箱交付。所有模块——从network/C3D_model.py里那个删减了最后两层全连接、保留feature map输出的精简版C3D，到dataloaders/dataset_video.py中针对康复视频特有的“静止帧占比高、光照突变频繁”所设计的自适应直方图均衡+运动光流掩膜预处理——全部开源、可调试、可替换。你不需要重写整个pipeline，只需改两行代码就能接入自己的摄像头或替换为ResNet3D主干。它不是一个“运行完就结束”的demo，而是一个随时能嵌入康复机器人、智能镜子、远程随访APP的模块化组件。我把它部署在一台i5-1135G7 + MX450的轻薄本上，全程无GPU也能跑通推理界面，这才是真正面向基层康复机构的务实设计。

2. 整体架构设计与技术选型逻辑拆解

2.1 为什么放弃“端到端音频+视频多模态融合”，坚持单模态视频优先？

项目正文提到“支持原始生理/行为视频或音频序列”，但实际交付物中audio/目录仅存一个提示音文件，训练脚本也未启用音频分支。这不是功能缺失，而是经过三轮临床实地验证后的主动收敛：我们在某三甲医院康复科连续两周采集了27位患者的同步音视频数据，发现音频模态（麦克风采集环境音+呼吸声）在真实场景中鲁棒性极差——空调噪音、隔壁训练器械震动、家属交谈声，导致MFCC特征信噪比低于12dB；而视频模态虽有反光、遮挡问题，但通过generation_process.py中的伪标签增强策略（后文详述），可将有效样本量提升3.2倍。更重要的是，康复师明确反馈：“我们更信任看到的，而不是听到的。”——当患者强打精神说“我不累”，但视频里已出现持续3秒以上的微点头，视觉证据更具临床说服力。因此，架构上采用视频单模态主干 + 音频提示音辅助反馈的务实组合，既保证核心判别可靠性，又利用drowsiness.mp3实现非侵入式干预。

2.2 C3D模型为何不做深度改造？精简版结构背后的临床约束

network/C3D_model.py里的模型并非原始C3D论文中的8层卷积+3层全连接结构，而是砍掉了最后两个全连接层，仅保留至conv5b输出的[B, 512, 4, 4, 4]特征张量（B为batch size）。这个看似“阉割”的设计，源于两个硬约束：
第一是显存墙。原始C3D输入为16帧×112×112，参数量达3800万，在RTX3060（12GB）上单batch推理需占用9.2GB显存，而康复机构常用设备多为MX系列入门独显或核显，必须压缩。我们通过实验发现：将输入帧数从16帧减至12帧、空间分辨率从112×112降至96×96，配合移除FC层，显存占用降至3.1GB，且Top-1准确率仅下降1.7%（从86.3%→84.6%），性价比极高。
第二是特征可解释性需求。去掉FC层后，conv5b输出的512通道特征图可经Grad-CAM可视化，映射回原始视频帧，清晰显示模型关注区域——比如对“疲劳”类别的高响应区集中在眉间皱纹、下颌角松弛度、肩峰水平线偏移处。这能让康复师理解AI判断依据，建立信任。若强行堆叠FC层，特征即成黑箱向量，失去临床沟通价值。

2.3 数据加载器（dataloaders）为何要区分VideoDataset和MultiModalDataset？

dataloaders/dataset_video.py中定义了VideoDataset类，而datasets.py里还藏着一个未启用的MultiModalDataset。这个设计不是冗余，而是为未来扩展预留的工程接口。当前VideoDataset专攻视频帧序列加载，其__getitem__方法包含三个关键定制：
-动态采样策略：不固定截取开头12帧，而是根据视频总长度按比例滑动窗口（如60秒视频随机取中间12帧），避免模型学到“第1帧必清醒”的虚假关联；
-光照自适应归一化：调用base_process.py中的adaptive_gamma_correction()函数，先计算帧序列的全局亮度均值，再对每帧做伽马校正，解决康复室窗帘开合导致的光照突变；
-运动敏感裁剪：利用光流法（cv2.calcOpticalFlowFarneback）生成运动掩膜，仅保留光流幅值>阈值的区域进行中心裁剪，强制模型聚焦于动态部位（手、头、肩），抑制背景干扰。

而MultiModalDataset则预置了音频特征加载逻辑（梅尔频谱图），并设计了时间对齐接口——当未来接入高质量麦克风阵列时，只需取消注释几行代码，即可启用音视频早期融合。这种“当前够用、未来可扩”的架构，正是成熟工程项目的标志。

2.4 UI交互逻辑为何采用login.ui + win.ui两级设计？

login.py与win.py构成的双界面系统，表面看是登录页+主界面，实则承载着临床工作流的分层管理：
-login.ui不只是身份验证，更是评估协议配置中心。它允许操作者选择：① 当前患者ID（关联历史疲劳趋势曲线）、② 训练任务类型（镜像训练/握力训练/平衡训练）、③ 环境光照等级（明亮/一般/昏暗），这些参数会注入推理流程，动态调整utils.py中的置信度阈值——例如在“昏暗”模式下，模型对眼部特征的权重提升20%，补偿图像质量损失；
-win.ui主界面则专注实时反馈闭环：左侧显示原始视频流，中间叠加热力图（Grad-CAM结果），右侧输出结构化报告（当前疲劳概率、最近5分钟疲劳峰值、建议休息时长），底部按钮直接触发audio/drowsiness.mp3播放。所有UI元素尺寸、字体大小均按康复科平板电脑（10英寸，1280×800）优化，确保60岁以上康复师单指可精准点击。

这种设计让工具不止于“识别”，更成为康复决策支持系统（CDSS）的轻量入口。

3. 核心模块解析与实操要点详解

3.1 network目录：C3D_model与CNN_RNN混合结构的协同逻辑

network/C3D_model.py中的C3DNet类是整个系统的“心脏”。其核心在于forward方法的精巧编排：

def forward(self, x): # x: [B, C, T, H, W], e.g., [1, 3, 12, 96, 96] x = self.conv1(x) # Conv3D(3->64, k=3), output [B,64,12,96,96] x = self.pool1(x) # MaxPool3D(1,2,2), output [B,64,12,48,48] x = self.conv2(x) # Conv3D(64->128, k=3), output [B,128,12,48,48] x = self.pool2(x) # MaxPool3D(2,2,2), output [B,128,6,24,24] x = self.conv3a(x) # Conv3D(128->256, k=3), output [B,256,6,24,24] x = self.conv3b(x) # Conv3D(256->256, k=3), output [B,256,6,24,24] x = self.pool3(x) # MaxPool3D(2,2,2), output [B,256,3,12,12] x = self.conv4a(x) # Conv3D(256->512, k=3), output [B,512,3,12,12] x = self.conv4b(x) # Conv3D(512->512, k=3), output [B,512,3,12,12] x = self.pool4(x) # MaxPool3D(2,2,2), output [B,512,1,6,6] x = self.conv5a(x) # Conv3D(512->512, k=3), output [B,512,1,6,6] x = self.conv5b(x) # Conv3D(512->512, k=3), output [B,512,1,6,6] # 注意：此处没有 fc6/fc7，直接返回 feature map return x # [B, 512, 1, 6, 6]

这个结构的关键在于时空降维节奏的临床适配：前两层池化保持时间维度（T）不变，优先压缩空间信息以应对摄像头抖动；从pool3开始，时间维度才被压缩，确保模型能捕获“缓慢点头”这类跨帧动作。而conv5b输出的[B,512,1,6,6]张量，经全局平均池化（GAP）后变为[B,512]特征向量，再送入一个轻量级分类头（nn.Sequential(nn.Dropout(0.5), nn.Linear(512, 2))），最终输出“清醒/疲劳”二分类logits。

至于network/CNN_RNN.py中的混合结构，它并非主力模型，而是作为模型鲁棒性验证的对照组存在。该结构先用ResNet18提取每帧特征（[B, 12, 512]），再用双向GRU建模时序（[B, 12, 1024]），最后接分类头。训练时它与C3D并行训练，但推理时默认调用C3D。它的价值在于：当某段视频因剧烈运动导致C3D光流掩膜失效时，可一键切换至CNN_RNN模式——因为后者对单帧质量要求更低，靠帧间差异而非绝对运动建模。这种“主备双模”设计，是保障临床可用性的底层逻辑。

3.2 dataloaders与datasets.py：多模态加载的陷阱与避坑指南

dataloaders/dataset_video.py的VideoDataset类看似简单，实则埋着三个极易踩坑的细节：

坑1：视频解码的帧精度丢失
OpenCV默认用cv2.VideoCapture读帧，但某些MP4编码（如H.264 B帧）会导致cap.set(cv2.CAP_PROP_POS_FRAMES, n)跳转不准，实际读到的帧与预期偏差±3帧。解决方案是在__init__中强制使用imageio后端：

import imageio self.video_reader = imageio.get_reader(video_path, 'ffmpeg') # 精确到帧 # 替代 cv2.VideoCapture

并在__getitem__中用list(self.video_reader.get_data(i) for i in frame_indices)精确索引。

坑2：多患者数据混洗破坏时序完整性
若直接对所有视频帧打乱（shuffle=True），会导致同一患者的连续帧被拆散到不同batch，破坏时序建模基础。正确做法是在DataLoader初始化时设置sampler=RandomSampler(dataset, replacement=False, num_samples=None)，并在VideoDataset的__len__中返回视频片段数（而非总帧数），确保每个batch内所有帧来自同一视频片段。

坑3：标注文件格式的临床语义对齐
提供的标注文件labels.csv格式为：

video_id, start_frame, end_frame, label 001.mp4, 120, 180, fatigue 001.mp4, 300, 360, alert

注意start_frame/end_frame是绝对帧号，而非相对片段起始。dataset_video.py中必须用cap.get(cv2.CAP_PROP_FPS)换算成时间戳，并在加载时做帧率归一化（统一采样至15fps），否则不同摄像设备（有的拍30fps，有的拍15fps）会导致模型学习到错误的时间尺度。

3.3 utils.py与base_process.py：那些让模型“活”在临床现场的工具函数

utils.py中的setup_logger()函数不只是打印日志，它实现了临床事件标记：

def setup_logger(name, log_file, level=logging.INFO): logger = logging.getLogger(name) logger.setLevel(level) # 添加Handler，将日志写入文件 fh = logging.FileHandler(log_file) formatter = logging.Formatter('%(asctime)s - %(name)s - %(levelname)s - %(message)s') fh.setFormatter(formatter) logger.addHandler(fh) # 关键：添加控制台Handler，但仅输出WARNING及以上 ch = logging.StreamHandler() ch.setLevel(logging.WARNING) ch.setFormatter(formatter) logger.addHandler(ch) return logger

这个设计让调试信息（INFO级）沉入日志文件供事后分析，而界面上只弹出WARNING（如“检测到连续5帧低置信度，建议校准摄像头”），避免干扰康复师工作流。

base_process.py中的adaptive_gamma_correction()则是应对康复室真实环境的杀手锏：

def adaptive_gamma_correction(frame_seq): # 计算整个序列的平均亮度 mean_brightness = np.mean([cv2.cvtColor(f, cv2.COLOR_RGB2GRAY).mean() for f in frame_seq]) # 动态设定伽马值：亮度越低，伽马越小（提亮越多） gamma = max(0.4, min(1.2, 1.0 - (mean_brightness - 80) / 100)) inv_gamma = 1.0 / gamma table = np.array([((i / 255.0) ** inv_gamma) * 255 for i in np.arange(0, 256)]).astype("uint8") return [cv2.LUT(f, table) for f in frame_seq]

实测表明，在窗帘半开的康复室（平均亮度≈65），此函数可将模型F1-score提升5.3%，因为它让模型不再“纠结”于光照条件，而专注学习真正的生理信号。

3.4 generation_process.py：伪标签生成如何解决小样本困境？

generation_process.py中的generate_pseudo_labels()函数，是本项目能用24例视频达到86%准确率的核心秘密。它不依赖人工标注，而是基于已收敛的C3D模型自身进行迭代优化：
1. 用初始模型对未标注视频（如科室监控录像）做推理，筛选出置信度>0.95的帧序列，赋予伪标签；
2. 将伪标签样本加入训练集，用train.py微调模型；
3. 重复步骤1-2，共3轮迭代，每次新增伪标签样本量衰减30%（防止错误累积）。

关键技巧在于伪标签质量过滤：不仅看置信度，还引入时序一致性约束——要求连续5帧预测标签相同，且中间帧置信度最高。这模拟了临床判断逻辑：“疲劳不是瞬时状态，而是持续数秒的生理趋势”。我们曾用此法将原始24例扩展至156例高质量样本，使模型在跨患者泛化测试中AUC提升至0.91。

4. 端到端实操流程与一键部署详解

4.1 环境准备：为什么requirements.txt要锁定PyTorch 1.12.1？

requirements.txt明确指定torch==1.12.1+cu113（CUDA 11.3）而非最新版，这是血泪教训后的选择：
- PyTorch 1.13+引入了torch.compile()，虽加速训练，但会使C3D_model.py中的Conv3D层在JIT编译时出现梯度异常，导致训练loss震荡；
- CUDA 11.3是NVIDIA驱动兼容性最广的版本，覆盖GeForce MX150至RTX4090所有消费级显卡，而CUDA 12.x在部分老款笔记本（如Dell Latitude 7490）上会报driver version mismatch错误；
-torchaudio==0.12.1与torchvision==0.13.1严格匹配，避免transforms.VideoToTensor在视频加载时出现尺寸错乱。

安装命令必须按顺序执行：

# 先装CUDA Toolkit（若无NVIDIA显卡，跳过此步） # 再用pip安装指定版本 pip install torch==1.12.1+cu113 torchvision==0.13.1 torchaudio==0.12.1 --extra-index-url https://download.pytorch.org/whl/cu113 # 最后装其余依赖 pip install -r requirements.txt

特别提醒：macOS用户请将torch行改为torch==1.12.1（CPU版），并确保opencv-python-headless版本≤4.8.1，否则cv2.VideoCapture在Mac M1芯片上会崩溃。

4.2 数据准备：如何用现有视频快速生成合规输入？

项目自带的171265889347208773632.zip是标注数据集，但你很可能需要接入自己的患者视频。utils.py提供了convert_to_dataset_format()函数：

def convert_to_dataset_format(src_dir, dst_dir, fps=15, size=(96, 96)): """ 将任意文件夹下的MP4视频转为模型可读格式： - 按fps抽帧 - 裁剪至size - 保存为npy数组（[T, C, H, W]） - 生成labels.csv（需手动填写label列） """ for video_path in Path(src_dir).glob("*.mp4"): frames = extract_frames(video_path, fps, size) # 抽帧函数 np.save(Path(dst_dir) / f"{video_path.stem}.npy", frames) # 自动生成空labels.csv模板 with open(Path(dst_dir) / "labels.csv", "w") as f: f.write("video_id,start_frame,end_frame,label\n")

实操时，将患者视频放入src_dir，运行此函数，再用文本编辑器在labels.csv中按格式填写标注（康复师可在win.ui中边看视频边标注，MouseLabel.py提供鼠标框选时间轴功能），整个过程10分钟内完成。

4.3 模型训练：train.py的隐藏参数与调优技巧

train.py支持命令行参数，但最关键的三个参数藏在代码注释里：
---lr_decay_step 15：学习率每15个epoch衰减一次，因康复数据噪声大，过早衰减会导致欠拟合；
---weight_decay 1e-4：L2正则强度，设为1e-4而非常规1e-5，防止模型过度拟合小样本中的个体特征（如某患者特有皱纹）；
---mixup_alpha 0.2：启用Mixup数据增强，α=0.2是经验值——过大（>0.4）会模糊疲劳/清醒的边界，过小（<0.1）增强效果不足。

训练启动命令示例：

python train.py \ --data_dir ./Post-Stroke-Fatigue-Detection-main/data \ --model_name c3d_base \ --epochs 50 \ --batch_size 4 \ --lr 0.001 \ --lr_decay_step 15 \ --weight_decay 0.0001 \ --mixup_alpha 0.2 \ --save_dir ./checkpoints

注意：--batch_size 4是底线，若显存不足，宁可降低--size（如从96→64），也不要增大batch——因为小batch更能捕捉个体差异。

4.4 推理部署：main.py启动后的界面操作全流程

双击main.py后，首先进入login.ui：
1.患者信息录入：输入ID（如PT2024001），系统自动加载该患者历史疲劳曲线（存储在./history/PT2024001.npy）；
2.任务配置：选择“握力训练”，界面右下角即显示推荐摄像头角度（侧前方45°，距离1.2米）；
3.环境校准：点击“光照检测”，系统用前5秒视频自动计算伽马值并应用adaptive_gamma_correction()；
4. 进入win.ui主界面：
- 左侧视频窗实时显示画面，顶部绿色进度条表示数据流正常；
- 中间热力图随视频动态更新，红色高亮区即模型判定的疲劳特征区；
- 右侧报告栏每2秒刷新一次，当“疲劳概率”连续3次>0.85，底部播放drowsiness.mp3，同时报告栏背景变橙色；
- 点击“导出报告”生成PDF，含时间戳、疲劳峰值、建议休息时长（算法：峰值时间×1.5分钟）。

整个流程无需任何代码操作，康复师培训10分钟即可独立使用。

5. 常见问题与排查技巧实录

5.1 视频加载失败：90%的问题出在编码格式

现象：main.py启动后，win.ui视频窗黑屏，控制台报错cv2.error: OpenCV(4.8.0) ... error: (-215:Assertion failed) !_src.empty() in function 'cv::cvtColor'。
根因：OpenCV不支持H.265（HEVC）编码的MP4，而iPhone/新款安卓手机默认用此编码。
解决：用ffmpeg转码（已打包在utils/ffmpeg.exe中）：

# Windows utils/ffmpeg.exe -i input.mp4 -c:v libx264 -crf 23 -c:a aac output.mp4 # macOS/Linux ffmpeg -i input.mp4 -c:v libx264 -crf 23 -c:a aac output.mp4

-crf 23保证画质无损，libx264是OpenCV兼容的最佳编码器。

5.2 模型输出抖动：置信度在0.4~0.6间反复横跳

现象：患者明明清醒，但界面报告栏“疲劳概率”数值剧烈波动。
排查链：
1. 检查摄像头是否对焦虚化 → 用手机拍一张患者面部，放大看睫毛是否清晰；
2. 检查光照是否闪烁 → 关闭LED灯，改用自然光或白炽灯；
3. 检查login.ui中“环境光照等级”是否选错 → 昏暗环境下选“明亮”，会导致伽马校正过度，放大噪声。
终极方案：在win.py中启用平滑滤波——将inference.py返回的原始logits，经scipy.signal.savgol_filter做5帧窗口的Savitzky-Golay滤波，消除高频抖动。代码已预留接口，取消注释即可启用。

5.3 UI界面卡顿：鼠标点击无响应

现象：win.ui界面卡死，但控制台仍有日志输出。
真相：PyQt5的GUI线程与PyTorch推理线程冲突。main.py中QTimer每200ms触发一次推理，若某次推理耗时>200ms（如首次加载模型），后续定时器会堆积，导致UI冻结。
修复：在win.py的update_display()函数中，增加超时保护：

try: with concurrent.futures.ThreadPoolExecutor() as executor: future = executor.submit(inference_func, frame) result = future.result(timeout=0.3) # 强制300ms超时 except concurrent.futures.TimeoutError: result = {"fatigue_prob": 0.5, "warning": "Inference timeout, using last valid result"}

这样即使某次推理卡住，UI仍保持流畅。

5.4 跨平台字体错乱：macOS上中文显示为方块

现象：login.ui中“患者ID”等中文标签显示为□□□。
原因：macOS默认不加载Windows字体，而.ui文件中硬编码了"Microsoft YaHei"。
一劳永逸解法：在login.py的__init__中插入：

# 强制设置全局字体 font = QFont("PingFang SC" if sys.platform == "darwin" else "Microsoft YaHei", 10) QApplication.setFont(font)

PingFang SC是macOS系统默认中文字体，兼容性完美。

5.5 模型精度下降：新患者识别率骤降20%

现象：在A医院数据上训练的模型，在B医院部署后准确率从86%掉到65%。
临床真相：B医院康复师习惯让患者坐得更直，导致肩颈姿态特征分布偏移。这不是模型问题，而是域偏移（Domain Shift）。
现场急救方案：
1. 用generation_process.py的generate_pseudo_labels()，对B医院5例新视频做伪标签；
2. 用train.py以--resume ./checkpoints/c3d_base_best.pth加载原模型，仅微调最后两层（--freeze_layers 8），学习率设为1e-4；
3. 10个epoch后，精度即可回升至82%+。
整个过程不到1小时，无需重新标注。

6. 实际部署心得与延伸思考

我在三甲医院康复科陪跑了整整六周，从设备安装、护士培训到参与晨间评估，最大的体会是：临床工具的价值，不在于算法有多深，而在于它能否无缝融入现有工作流。这套工具之所以能被康复师主动使用，关键在于三个“不打扰”：不打扰评估节奏（双击即用）、不打扰患者体验（无接触、无穿戴）、不打扰数据管理（所有报告自动存档至本地./history/）。有位资深康复师跟我说：“以前我要记三本笔记，现在看一眼屏幕就知道该不该叫停训练。”

当然，它还有明确的进化路径。下一步我正推动两个落地：一是与康复机器人厂商合作，将疲劳判别模块嵌入其SDK，当检测到疲劳时，机器人自动降低阻力或切换训练模式；二是开发Web版，让社区康复站用普通笔记本+USB摄像头即可部署，毕竟不是所有机构都有预算买高端设备。技术永远服务于人，而人的需求，永远比论文里的指标更复杂、更真实。

最后分享一个小技巧：如果患者戴眼镜反光严重，影响眼部特征提取，在base_process.py中临时启用remove_glasses_reflection()函数（已写好但默认关闭），它用形态学操作定位镜片区域并做局部去雾，实测可提升疲劳识别率7.2%。这个函数没写进文档，因为它是为特定场景准备的“急救包”，而真正的临床智慧，永远在现场。

本文还有配套的精品资源，点击获取

查看全文

http://www.jsqmd.com/news/1149476/