13、室内机器人导航与慢性肾病数据分析研究

室内机器人导航与慢性肾病数据分析研究

室内机器人导航研究

在室内点对点机器人导航领域，目标是在有限时间内实现对路线上静态障碍物的检测，并规划出最优路径。为达成这一目标，广泛探索了 YOLO v4 算法，用于对障碍物进行稳健且快速的识别。

通过将机器学习模块与基于 ROS 平台的环境 3D 重建相结合，路径探索和定位变得更加可行。这一工作为室内环境探索提供了多种解决方案，可作为机器人平稳导航的参考。3D 重建能够实现图像处理和图像探索，进而实现运动学控制，并可将一个机器人在特定环境中的探索记忆传递给其他协作的自动导引车（AGV）。

慢性肾病数据分析研究

研究背景与目标

近年来，医疗数据以临床测试报告和电子健康记录的形式急剧增长，但在进行深入数据分析时，这些原始数据往往存在不一致和矛盾的问题，难以直接用于分析和模型构建。因此，对慢性肾病（CKD）数据进行感知分析和概念可视化，以预测疾病严重程度，并通过详细的统计分析来挖掘数据价值，具有重要的现实意义。

相关工作

• 数据可视化工具 ：如“Clover plot in R”可评估非参数分类技术的效率，同时检测数据中的异常值和偏度。
• 变量关系分析 ：线性和逻辑回归以及统计贝叶斯网络可用于理解临床数据中变量之间的关系。
• 分类准确性量化 ：互补维度分析算法可作为量化分类准确性的目标函数。
• 缺失数据处理 ：考虑最佳 - 最差