本发明公开了一种基于卷积神经网络的新生儿疼痛表情分类方法。该方法包括以下步骤:
首先采集新生儿疼痛表情图像,并由专业医护人员对这些图像进行逐级分类,包括平静、哭、轻微疼痛和剧烈疼痛四个类别,以此建立新生儿疼痛表情图像库。
其次,构建一个卷积神经网络,该网络包含1层数据层、3层卷积层、2层全连接层和1层分类层。
然后,将新生儿疼痛表情图像库中的样本作为卷积神经网络的数据输入,利用反向传播算法对网络进行迭代训练。在此过程中,优化训练的全局参数,以使网络输出损失函数值下降并收敛。
最后,输入新生儿疼痛表情测试样本,利用训练好的卷积神经网络对其进行识别和分类。这样,可以实现对新生儿在平静、哭、轻微疼痛、剧烈疼痛状态下的表情识别,从而为评估新生儿疼痛程度提供一种新的方法途径。
| 专利名称 | 基于卷积神经网络的新生儿疼痛表情分类方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201611233381.3 |
| 申请号 | - | 专利申请日期 | 2016-12-28 |
| 专利授权日期 | 2017-05-31 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 柳毅;卢官明;李晓南;闫静杰;李海波 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明公开了基于卷积神经网络的新生儿疼痛表情分类方法,该方法首先采集新生儿疼痛表情图像,由专业医护人员对图像按平静、哭、轻微疼痛、剧烈疼痛逐级分类,建立新生儿疼痛表情图像库;其次,构建含有1层数据层、3层卷积层、2层全连接层和1层分类层的卷积神经网络;然后,以新生儿疼痛表情图像库中样本作为卷积神经网络的数据输入,利用反向传播算法对网络迭代训练,并优化训练全局参数使网络输出损失函数值下降并收敛;最后,输入新生儿疼痛表情测试样本,利用卷积神经网络对其识别分类,实现新生儿在平静、哭、轻微疼痛、剧烈疼痛状态的表情识别,为评估新生儿疼痛程度提供一种新的方法途径。 | ||