[发明专利]基于表情识别的卧床病人疼痛症状实时监护方法及装置

说明书

本发明公开了一种基于表情识别的卧床病人疼痛症状实时监护方法及装置，该方法包括：1建立疼痛表情训练数据集；2建立用于分析疼痛表情的神经网络模型并进行训练，从而得到疼痛分级模型；3采集得到同一时刻人脸的三张实时图像并进行预处理后输入神经网络模型中，从而得到A个疼痛级别所对应的概率；并选取最大概率所对应的疼痛级别作为当前时刻检测图像的疼痛级别，并对超过阈值的疼痛级别进行报警处理，以实现实时监护。本发明能对疼痛进行实时和自动化的准确评估，从而实现卧床病人的有效监护。

技术领域

本发明涉及图像识别和医疗技术领域，具体涉及一种基于表情识别的卧床病人实时监护方法和装置。

背景技术

表情识别方面的相关技术已广泛应用于安防、娱乐、金融等领域，并发挥着重要作用。其应用方式和应用范围仍在不断进步和扩展，有广泛的发展前景。

医学上，如何实现对病人的疼痛程度的评估一直是一个重要问题。疼痛在医学上被定义为一种主观感受，病人的自我评估具有高参考价值。但是某些特殊的病人，如失去主动意识的病患、高危或失能病患，往往无法用语言描述自身疼痛程度，这时，通过医疗观察者进行人工评估，就是最常见的疼痛评估方式。但这种人工评估的方式具有很多缺点：如效率较低，持续性受限，受观察者的主观性的影响等。

目前我国面临着医疗需求攀升和医护人员紧缺的矛盾，对于卧床病人的疼痛程度缺乏有效的人力监护，难以完成对病人的疼痛程度的实时评估，从而导致医护人员对病人的实时身体状况把握存在延后或缺失，进而使得医护人员无法及时针对症状进行治疗。

基于情感识别和深度学习的自动疼痛评估技术越来越受到国内外学者的重视，目前的这些技术基本上都基于传统的机器学习算法，往往收集了如心率、血压、血氧饱和度甚至脑电波、肌电信号等许多生理指标，却缺少与疼痛识别有关的有效处理手段。在面部选取的特征点很少，对面部状况的划分较为笼统，较难准确检测出病人自身主观感受的疼痛程度。

也有一些新式方法，如通过病人疼痛时对传感器的握力等数据进行评估，需病人意识清醒且主动参与评估，受身体条件以及个体差异影响较大。

因此，如何利用情感识别等技术实现精确、高效、自动的疼痛识别以实现对卧床病人的实时监护，是一个需要解决的问题。

发明内容

本发明是为了解决上述现有技术存在的不足之处，提出一种基于表情识别的卧床病人疼痛症状实时监护方法及装置，以期能对疼痛进行实时和自动化的准确评估，从而实现卧床病人的有效监护。

本发明为达到上述发明目的，采用如下技术方案：

本发明一种基于表情识别的卧床病人疼痛症状实时监护方法的特点是按如下步骤进行：

步骤1、建立疼痛表情训练数据集：

步骤1.1、依据疼痛分级量表设置疼痛等级由低到高的A个疼痛级别，并按照不同的疼痛等级分别采集相应的疼痛表情图片数据；

步骤1.2、利用dlib工具对所有疼痛表情图片数据进行预处理，得到k×k像素的包含人脸信息的RGB图像；

步骤1.3、对所述RGB图像转化为灰度图像，从而得到疼痛表情训练数据集；

步骤2、建立用于分析疼痛表情的神经网络模型并进行训练，从而得到疼痛分级模型；

所述神经网络模型依次包含一个数据输入层、M个卷积拟合层组和一个输出处理层组；

所述数据输入层用于输入所述疼痛表情训练数据集中的N张k×k像素的灰度图像；

任意第m个所述卷积拟合层组依次包含两个卷积层、一个池化层和一个正则化层；