持續(xù)的疼痛刺激會引起新生兒近期和遠(yuǎn)期不良反應(yīng),因此對疼痛的預(yù)防和管理不可忽視。新生兒無法用語言自述疼痛,只能由專業(yè)的兒科醫(yī)護(hù)人員通過疼痛指標(biāo)進(jìn)行疼痛評估,不僅耗時(shí)耗力,評估結(jié)果也存在主觀性差異。因此,開發(fā)一種應(yīng)用在臨床上的新生兒疼痛自動(dòng)評估系統(tǒng)為醫(yī)護(hù)人員提供客觀精準(zhǔn)的疼痛評估具有重要的現(xiàn)實(shí)意義。本文對基于深度學(xué)習(xí)的新生兒疼痛表情識別技術(shù)進(jìn)行探究,重點(diǎn)研究了三維卷積神經(jīng)網(wǎng)絡(luò)(3D Convolutional Neural Network,3D CNN)在新生兒疼痛表情識別中的應(yīng)用,主要研究內(nèi)容如下:(1)鑒于原始圖像易受光照的影響,提出一種基于局部二值模式(Local Binary Pattern,LBP)和三維卷積神經(jīng)網(wǎng)絡(luò)的新生兒疼痛表情識別方法。為了探索不同網(wǎng)絡(luò)結(jié)構(gòu)對識別率的影響,研究了三種三維卷積神經(jīng)網(wǎng)絡(luò):C3D、R3D和R(2+1)D網(wǎng)絡(luò),并對C3D和R(2+1)D網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)。實(shí)驗(yàn)結(jié)果表明,基于LBP特征圖序列的三維卷積神經(jīng)網(wǎng)絡(luò)識別率高于基于原始視頻幀序列的三維卷積神經(jīng)網(wǎng)絡(luò)。(2)研究基于決策層融合的新生兒疼痛表情識別。對于三種三維卷積神經(jīng)網(wǎng)絡(luò),分別將基于原始視頻幀序列和基...

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

圖5.2視頻剪輯過程

情類別平靜哭輕度疼痛重度疼痛總計(jì)樣本數(shù)25014487100581數(shù)據(jù)庫的建立采集得到的原始視頻不能直接作為新生兒面部表情視頻庫的樣本，因?yàn)樵家曨l中存在許多問題，例如，一些沒有捕捉到新生兒面部區(qū)域的無效畫面，拍攝距離生兒面部在整個(gè)視頻畫面中占比太小，拍攝的....

本文編號：3963343