采用传统的热稀释法和指示剂稀释法测量脑血流参数（cerebral blood flow，CBF）需要导管插植和定时采血，会对机体造成一定的损伤。本文针对上述测量方法存在的有创且操作复杂等问题，提出了一种基于Fick定律和朗伯比尔定律的快速、无创脑血流测量方法。该方法基于脉搏色素法/近红外光谱术（PDD-NIRS）技术，选用吲哚氰绿（indocyanine green,ICG）作为指示剂，通过对脑部和动脉ICG引入量的计算得到CBF。为验证模型的正确性，采用成年白兔进行了动物实验。对白兔静脉快速推注ICG色素，应用PDD-NIRS方法测量其CBF，然后计算出CBF值。 实验显示；应用PDD-NIRS方法测得的CBF相对误差为2%~4%，验证了该方法测量CBF的可行性；临床对比测量显示其平均误差满足临床诊断要求。该方法为临床诊断心脑血管疾病以及临床脑血流监护提供了有益的参考手段。

为了提高人体动作识别的准确率和实时性, 提出了一种基于关键帧的人体行为识别新方法。用Kinect提取人体骨架信息(各关节点的3D坐标), 将中心点(人体基准参考点)分别与其他各关节点作结构向量, 根据空间不变性选取中心向量, 计算各个结构向量和中心向量之间的夹角,并将夹角的角速度作为一种新的姿态描述特征, 利用AP (Affinity Propagation)聚类算法提取关键帧, 利用SVM将得到的关键帧进行动作序列的分类。在Cornell Activity Dataset-60 (CAD-60)数据库实验结果表明, 新方法具有良好的识别能力。