LMFEI的案例列表
面向脑部MRI的配准模型
本项目基于 PyTorch 实现了 VoxelMorph 无监督 3D 医学图像配准系统，在原始 U-Net 架构基础上集成了 CBAM（通道注意力+空间注意力）模块以增强特征筛选能力，并将普通卷积替换为带 identity shortcut 的残差卷积块以改善梯度流动。系统支持 vm1/vm2 双版本网络拓扑，采用 NCC 或 MSE 作为图像相似性损失，结合形变场梯度平滑正则项进行训练，并引入 CosineAnnealingLR 学习率调度与固定图像噪声增强策略提升泛化性能。训练完成后，通过计算 Jacobian 行列式对形变场进行拓扑合理性验证，自动输出折叠比例、负值体素数、
鼻饲术智能考核系统
独立完成基于Flask和计算机视觉的鼻饲术操作技能自动化考核系统，覆盖15个临床操作步骤的全流程智能评分。系统接入4路RTSP摄像头实时采集视频流，集成MediaPipe手势识别（七步洗手法逐步骤判定）、YOLO OBB旋转目标检测（19类医疗器械逐项识别）、MediaPipe手部关键点检测（双手分区定位+持续时长判定）以及DTW动态时间规整（操作动作序列分析）等多种AI检测技术，实现对护生操作动作的毫秒级自动判定。同时集成阿里云DashScope实时语音识别（ASR ）与通义千问大语言模型（LLM）评分引擎，对术前查对、术前沟通、体位选择、安抚患者等语音环节进行语义理解与百分制打分。
案例判断参考
LMFEI的案例列表
面向脑部MRI的配准模型
本项目基于 PyTorch 实现了 VoxelMorph 无监督 3D 医学图像配准系统，在原始 U-Net 架构基础上集成了 CBAM（通道注意力+空间注意力）模块以增强特征筛选能力，并将普通卷积替换为带 identity shortcut 的残差卷积块以改善梯度流动。系统支持 vm1/vm2 双版本网络拓扑，采用 NCC 或 MSE 作为图像相似性损失，结合形变场梯度平滑正则项进行训练，并引入 CosineAnnealingLR 学习率调度与固定图像噪声增强策略提升泛化性能。训练完成后，通过计算 Jacobian 行列式对形变场进行拓扑合理性验证，自动输出折叠比例、负值体素数、...
鼻饲术智能考核系统
独立完成基于Flask和计算机视觉的鼻饲术操作技能自动化考核系统，覆盖15个临床操作步骤的全流程智能评分。系统接入4路RTSP摄像头实时采集视频流，集成MediaPipe手势识别（七步洗手法逐步骤判定）、YOLO OBB旋转目标检测（19类医疗器械逐项识别）、MediaPipe手部关键点检测（双手分区定位+持续时长判定）以及DTW动态时间规整（操作动作序列分析）等多种AI检测技术，实现对护生操作动作的毫秒级自动判定。同时集成阿里云DashScope实时语音识别（ASR ）与通义千问大语言模型（LLM）评分引擎，对术前查对、术前沟通、体位选择、安抚患者等语音环节进行语义理解与百分制打分。...
