基于深度学习的面部疼痛智能评估方法研究
刘定玺1
蒋国璋2
章花3
胜照友4
刘康5
鲁辉3
刘融3
1.武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学精密制造研究院,武汉430081;武汉科技大学附属普仁医院医学创新与转化研究所,武汉4300812.武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学精密制造研究院,武汉4300813.武汉科技大学附属普仁医院医学创新与转化研究所,武汉430081;武汉市普仁医院,武汉4300814.武汉科技大学冶金装备及其控制教育部重点实验室,武汉430081;武汉科技大学精密制造研究院,武汉4300815.武汉科技大学机械传动与制造工程湖北省重点实验室,武汉430081;武汉科技大学精密制造研究院,武汉430081
摘要：为了提高疼痛评估的快捷性、直观性、连续性、准确性,本研究建立了一种基于深度学习和面部表情图像的疼痛强度智能评估模型,为准确评估疼痛病情、适时调整治疗方案、实施有效镇痛措施提供补充依据.该方法采集7位志愿者在6种不同疼痛强度状态下的表情图片,通过预处理和数据增广形成数据库,设计深度卷积神经网络并进行训练,使用特征级差异进行面部疼痛表情分类.在JAFFE、CK+数据库上进行模型性能验证和评价.模型在训练集、测试集分类准确率分别达到98.15％、90.91％,训练速度19 ms/step.模型在JAFFE、CK+数据库上的验证效果良好.结果表明,该方法在疼痛表情识别中准确有效,评分结果具有显著性.
关键词：疼痛强度评估卷积神经网络面部图像图像预处理图像增广表情数据库分类器设计
分类号：R318(医用一般科学)TP391(计算技术、计算机技术)
资助基金：湖北省自然科学基金资助项目(2020CFB548)
论文发表日期：2022-09-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 268-274,284 )
英文信息