基于OpenPose的坐姿识别简单说，就是提取18个身体关节和17条连接关节的线，作为提取到的坐姿特征。介绍坐姿识别方法可以分为两类:基于传感器的方法和基于图像的方法。构建数据集一个提取人体姿势的工具是OpenPose。OpenPose人体姿态识别项目是卡内基梅隆大学(Carnegie Mellon University, CMU)基于卷积神经网络和监督学习开发的一个开源库，在caffe[14]框

Optic Disc Segmentation Using Attention-Based U-Net and the Improved Cross-Entropy Convolutional Neural Network使用带注意力的U-Net和改进的交叉熵卷积神经网络的视盘分割技术：多通道注意力机制，骰子系数与交叉熵结合，卷积神经网络——————————————————————————————

okEasiCSDeep：利用表面肌电信号识别颈椎病的深度学习模型EasiCSDeep: A deep learning model for Cervical Spondylosis Identification using surface electromyography signal摘要本文提出了一种基于深度学习的智能方法，利用表面肌电信号识别颈椎病（CS）。针对表面肌电信号的复杂性、高维性和

ok，可参考着写论文智能颈椎带：基于物联网和人工智能的颈部疼痛和颈椎病治疗系统Smart cervical band: an Internet of Things- and artificial intelligence-based neck pain and cervical spondylosis healing system介绍颈椎由七个椎体和八组神经根组成，通过神经丛与上肢相连。C1和C2

Current Applications of Machine Learning in Spine: From Clinical View机器学习在脊柱的应用现状:从临床观点————————————————————————————————————————————————————————————————————————摘要目的:综述机器学习(ML)在脊柱领域的应用现状。方法:我们对2006年至202

Utility of machine learning algorithms in degenerative cervicaland lumbar spine disease: a systematic review机器学习算法在退行性颈椎和腰椎疾病中的应用：一项系统综述————————————————————————————————————————————————————————————————

摘要目前，对身体活动或脊柱姿势的实时监测的研究正在进行中。介绍医学AI可以有3种不同的使用方式:第一，AI用临床数据或基因组数据，以诊断疾病或预测治疗结果。第二， AI自动读取医学图像并诊断疾病。第三，AI可以通过实时监控生物医学信号来预防或预测疾病。在脊柱领域，AI已被用于预测脊柱转移患者手术后的结果或生存情况。医学成像中AI的重点一直是脊柱结构的分割、椎间盘退变的分类、各种脊柱曲线参数的测量以

yes可参考着写论文。机器学习在预测脊髓型颈椎病中的应用:一项28名参与者的事后初步研究Machine Learning for the Prediction of Cervical Spondylotic Myelopathy: A Post Hoc Pilot Study of 28 Participants背景:脊髓型颈椎病(CSM)的严重程度和症状的存在往往很难仅根据临床影像学预测。同样，

巧用Kaggle进行模型训练使用kaggle的notebook运行代码————————————————本文转载自CSDN博主「GRIT_Kael」的文章

okEasiCSDeep：利用表面肌电信号识别颈椎病的深度学习模型EasiCSDeep: A deep learning model for Cervical Spondylosis Identification using surface electromyography signal摘要本文提出了一种基于深度学习的智能方法，利用表面肌电信号识别颈椎病（CS）。针对表面肌电信号的复杂性、高维性和