基于FPN和Faster R-CNN的生命体征参数智能识别

来源：计量学报杂志2025年第7期北京时间：

作者：刘佳颖, 刘金城, 綦雅婷, 吴思圻, 黄标晟, 胡志雄, 王建林

摘要：传统的多参数监护仪检定方法依赖人工读数和测量，效率低下。亟待研究一种基于人工智能的目标检测算法，实现多参数监护仪中生命体征参数的智能化识别，推动多参数监护仪自动化检定技术的发展。针对上述问题，提出一种基于FPN和Faster R-CNN的神经网络模型自动识别和分类生命体征参数，为后续实现多参数监护仪自动检定提供支持。为克服传统Faster R-CNN在中小目标识别任务上的不足，结合了ResNet50和FPN提取网络，以提升中小目标识别率。在实际临床采集的图像数据集上验证ResNet50+FPN的有效性，并与VGG16、MobileNetV2、EfficientNetB0、ResNet50等网络进行对比。结果表明，ResNet50+FPN识别的均值平均精度达到了83.32%，比VGG16提升了3.88%，在中小目标识别均值平均精度上分别提升了4.05%和9.60%。

关键词：医学计量,生命体征参数,多参数监护仪,FPN,Faster R-CNN,自动化检定,目标检测

基金资助：国家重点研发计划(2022YFF0606103)