基于时空特征深度学习的新生儿疼痛表情识别

发布时间：2021-05-11 19:28

　　新生儿无法对自身的疼痛感进行表达,一般由专业的医护人员对他们的疼痛进行评估,而这种评估方式存在主观评估的差异性,另外,人工评估方式会非常耗时耗力。因此,有必要开发出一种基于新生儿疼痛表情的自动评估系统,为医护人员提供更为精确、更为可靠的评估工具。近年来,深度学习已经成功地被运用到诸多领域,例如,图像识别、语音识别、人脸识别等领域,本文重点研究了深度学习在新生儿疼痛表情识别中的应用,主要的研究内容以及成果如下:（1）建立了新生儿面部表情视频库。包括对新生儿视频的采集、视频的预处理、数据集扩增等过程。（2）研究了一种基于卷积神经网络（Convolutional Neural Network,CNN）和长短期记忆（Long Short-Term Memory,LSTM）网络的LRCN（Long-term Recurrent Convolutional Networks）模型,及其在新生儿疼痛表情识别中的应用。（3）在LRCN模型中的LSTM选取经典LSTM网络的前提下,研究了LRCN模型中采用CaffeNet、改进CaffeNet以及VGG三种不同CNN对新生儿疼痛表情识别率的影响。实验结果... 

【文章来源】：南京邮电大学江苏省

【文章页数】：62 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题的背景及意义
    1.2 新生儿疼痛表情识别的国内外研究现状
    1.3 主要研究内容及章节安排
        1.3.1 主要内容
        1.3.2 章节安排
第二章 新生儿面部表情视频库
    2.1 新生儿面部表情视频的采集
    2.2 新生儿疼痛表情视频库的建立
        2.2.1 原始视频的预处理
        2.2.2 数据集扩增
    2.3 本章小结
第三章 深度学习的基本理论
    3.1 深度学习概述
        3.1.1 深度学习的背景
        3.1.2 深度学习的实际应用
        3.1.3 深度学习的挑战
    3.2 卷积神经网络
        3.2.1 卷积神经网络的背景知识
        3.2.2 基本卷积运算
        3.2.3 卷积网络结构的原理
        3.2.4 卷积神经网络的优缺点
    3.3 循环神经网络
        3.3.1 循环神经网络的背景知识
        3.3.2 长短期记忆网络原理
        3.3.3 其他变种长短期记忆网络
    3.4 激活函数
    3.5 本章小结
第四章 基于LRCN网络的新生儿疼痛表情识别
    4.1 LRCN网络的介绍
    4.2 LRCN网络的基本原理
        4.2.1 基于不同CNN的LRCN网络的新生儿疼痛表情识别
        4.2.2 基于双向LSTM的LRCN网络的新生儿疼痛表情识别
        4.2.3 损失函数与正则化
    4.3 其他深度神经网络算法
    4.4 本章小结
第五章 实验与分析
    5.1 实验基本硬件配置与环境搭建
    5.2 实验样本集与参数设置
    5.3 方法比较与分析
    5.4 本章小结
第六章 总结与展望
参考文献
附录 1 攻读硕士学位期间撰写的专利
附录 2 攻读硕士学位期间参加的科研项目
致谢


【参考文献】：
期刊论文
[1]基于LBP特征和稀疏表示的新生儿疼痛表情识别[J]. 卢官明,石婉婉,李旭,李晓南,陈梦莹,刘莉.  南京邮电大学学报(自然科学版). 2015(01)
[2]基于不相关局部敏感鉴别分析的新生儿疼痛表情识别[J]. 卢官明,左加阔.  南京邮电大学学报(自然科学版). 2013(06)
[3]基于SVM的新生儿疼痛表情识别[J]. 卢官明,郭旻,李晓南,李海波,邹婵洁.  南京邮电大学学报(自然科学版). 2008(06)
[4]新生儿疼痛面部表情识别方法的研究[J]. 卢官明,李晓南,李海波.  光学学报. 2008(11)
[5]新生儿疼痛面部表情的特征提取[J]. 卢官明,邹婵洁,李晓南,李海波,郭旻.  南京邮电大学学报(自然科学版). 2008(05)
[6]疼痛,一个尚未引起儿科医师足够重视的问题[J]. 许峰.  中华儿科杂志. 2005(12)
[7]人脸表情视频数据库的设计与实现[J]. 吴丹,林学訚.  计算机工程与应用. 2004(05)



本文编号：3181973