System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及显示,尤其涉及一种身体状态评估方法、显示装置和可读存储介质。
技术介绍
1、局部背光调节(local_dimming)指的是根据显示画面对液晶显示面板的局部背光进行调节的技术方案,相关技术中,通常通过psf(point spread function,点扩散函数)模拟实际背光扩散效果,这一过程中,需要计算对应像素受到周边n*n领域分区的背光权重。
2、在许多应用场景下,动态切画面会很快,相关技术中,通常使用前一帧背光结合点扩散算法,补偿当前帧画面,但是这种方式会使画质在动态画面居多的应用场景产生拖尾等画质问题。如果完全使用当前帧背光实现点扩散算法,需要缓存与滤波模板一样数量的分区行数的显示数据,大量的存储对于芯片设计的负担是非常大的,同时,即便消耗大量的存储,也会存在较大的延迟。基于上述分析可知,相关技术中,局部背光调光可能存在影响显示效果或负荷、延迟较大的问题。
技术实现思路
1、本专利技术实施例提供一种身体状态评估方法和显示面板,以解决局部背光调光可能存在影响显示效果或负荷、延迟较大的问题。
2、为解决上述问题,本专利技术是这样实现的:
3、第一方面,本专利技术实施例提供了一种身体状态评估方法,包括以下步骤:
4、获取目标对象的身体状态数据;
5、将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果;
6、其中,所述身体状态评估模型是以身体状态数据为输入,
7、在其中一些实施例中,所述身体状态数据包括对所述目标对象的脑部进行扫描获得的结构磁共振图像和静息态功能磁共振成像数据;
8、所述身体状态的评估结果为对于患阿尔茨海默病的评估结果,且所述评估结果包括认知正常、轻度认知障碍和阿尔茨海默病中的一项。
9、在其中一些实施例中,所述拓扑联系信息包括脑结构网络;
10、所述将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果,包括:
11、将结构磁共振图像映射到脑区划分模板,得到m个脑区,m为正整数;
12、以所述脑区为节点,以所述脑区形态学特征之间的相关系数作为边,建立脑结构网络,其中,所述形态学特征包括平均灰质密度值和皮层厚度中的至少一项。
13、在其中一些实施例中所述拓扑联系信息包括脑功能网络;
14、所述将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果,包括:
15、将静息态功能磁共振成像数据映射到脑区划分模板,得到n个脑区,n为正整数;
16、确定节点和节点的特征,其中,所述节点为脑区,所述节点的特征是根据预设特征拼接之后确定的,所述预设特征包括脑区的平均时间序列特征、连接度、通用线性模型系数、该脑区roi的中心坐标中的一项或多项;
17、确定各节点之间的边,其中,所述边是将各所述脑区内体素所对应的所有时间序列平均,作为所述脑区的时间序列和脑活动功能属性,计算各所述脑区的功能连通性所确定的;
18、根据所述节点和所述边建立脑功能网络。
19、在其中一些实施例中所述几何纹理信息包括脑部的几何性状和纹理。
20、在其中一些实施例中所述双向融合包括图像特征到图特征的融合,以及从图特征到图像特征的融合。
21、在其中一些实施例中所述将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果,包括:
22、对双向融合后的拓扑联系信息和几何纹理信息进行分类,获得对于身体状态的评估结果。
23、第二方面,本专利技术实施例提供了一种身体状态评估装置,包括:
24、身体状态数据获取模块,用于获取目标对象的身体状态数据;
25、评估模块,用于将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果;
26、其中,所述身体状态评估模型是以身体状态数据为输入,以身体状态的评估结果为输出的图神经网络与卷积神经网络双向融合的网络模型,所述图神经网络用于提取身体状态数据的拓扑联系信息,所述卷积神经网络用于提取身体状态数据的几何纹理信息,所述拓扑联系信息和所述几何纹理信息通过双向融合以在特征提取过程中的互相补充信息。
27、第三方面,本专利技术实施例提供了一种电子设备,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面中任一项所述方法的步骤。
28、第四方面,本专利技术实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面中任一项所述方法的步骤。
29、本专利技术实施例通过身体状态数据的拓扑联系信息和几何纹理信息的双向融合,能够提高对于身体状态评估的准确程度。
本文档来自技高网...【技术保护点】
1.一种身体状态评估方法,其特征在于,包括以下步骤:
2.如权利要求1所述的方法,其特征在于,所述身体状态数据包括对所述目标对象的脑部进行扫描获得的结构磁共振图像和静息态功能磁共振成像数据;
3.如权利要求2所述的方法,其特征在于,所述拓扑联系信息包括脑结构网络;
4.如权利要求2所述的方法,其特征在于,所述拓扑联系信息包括脑功能网络;
5.如权利要求2所述的方法,其特征在于,所述几何纹理信息包括脑部的几何性状和纹理。
6.如权利要求1至5中任一项所述的方法,其特征在于,所述双向融合包括图像特征到图特征的融合,以及从图特征到图像特征的融合。
7.如权利要求1至5中任一项所述的方法,其特征在于,所述将所述身体状态数据输入预训练的身体状态评估模型获得对所述目标对象的身体状态的评估结果,包括:
8.一种身体状态评估装置,其特征在于,包括:
9.一种电子设备,其特征在于,包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至
10.一种可读存储介质,其特征在于,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述方法的步骤。
...【技术特征摘要】
1.一种身体状态评估方法,其特征在于,包括以下步骤:
2.如权利要求1所述的方法,其特征在于,所述身体状态数据包括对所述目标对象的脑部进行扫描获得的结构磁共振图像和静息态功能磁共振成像数据;
3.如权利要求2所述的方法,其特征在于,所述拓扑联系信息包括脑结构网络;
4.如权利要求2所述的方法,其特征在于,所述拓扑联系信息包括脑功能网络;
5.如权利要求2所述的方法,其特征在于,所述几何纹理信息包括脑部的几何性状和纹理。
6.如权利要求1至5中任一项所述的方法,其特征在于,所述双向融合包括图像特征到图特征的融合,以及从图特征到...
【专利技术属性】
技术研发人员:秦凯琳,
申请(专利权)人:京东方科技集团股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。