本发明涉及一种基于视频分析的新生儿疼痛表情识别方法。该方法通过引入基于三维卷积神经网络的深度学习方法,将其运用于新生儿疼痛表情识别工作中,能够有效识别出新生儿处于安静、啼哭状态以及致痛性操作引起轻度疼痛、剧烈疼痛等表情。
该方法具体引入三维卷积神经网络,通过3D卷积核提取视频片段的时域和空域特征。这样做避免了人工提取特征的繁琐,且所提取特征更具优越性。
在深度学习平台上,该方法自动学习并识别新生儿疼痛表情。与传统人工评估方式相比,该方法更加客观、准确,并且节省了大量人力资源。
具体而言,本发明包括以下步骤: 1. 提取视频片段的时域和空域特征; 2. 利用三维卷积神经网络对这些特征进行处理; 3. 通过深度学习模型自动识别新生儿疼痛表情; 4. 输出识别结果,为开发新生儿疼痛自动评估系统提供支持。
| 专利名称 | 一种基于视频分析的新生儿疼痛表情识别方法 | ||
|---|---|---|---|
| 专利状态 | - | 专利号(申请号) | CN201710497579.0 |
| 申请号 | - | 专利申请日期 | 2017-06-27 |
| 专利授权日期 | 2017-11-07 | 专利权届满日 | - |
| 专利所属地 | 中国 | 专利类型 | 发明专利 |
| 发明人 | 卢官明;蔡飞;李晓南;闫静杰 | ||
| 权利人 | - | ||
| 专利摘要 | 本发明涉及一种基于视频分析的新生儿疼痛表情识别方法,通过引入基于三维卷积神经网络的深度学习方法,将其运用于新生儿疼痛表情识别工作中,能够有效识别出新生儿处于安静、啼哭状态以及致痛性操作引起轻度疼痛、剧烈疼痛等表情,为开发新生儿疼痛自动评估系统提供一种新的途径,具体引入三维卷积神经网络,通过3D卷积核提取视频片段的时域和空域特征,避免人工提取特征的繁琐,且所提取特征更具优越性,并且在深度学习平台上自动学习并识别新生儿疼痛表情,与传统人工评估方式相比,更加客观,更加准确,并且节省了大量人力资源。 | ||