当前位置:主页 > 科技论文 > 自动化论文 >

基于深度学习的新生儿疼痛表情识别

发布时间:2022-11-06 14:37
  研究表明,新生儿早期经受大量疼痛刺激会给其成长发育带来一系列不良影响,因此重视新生儿疼痛的早期管理和防治,对新生儿的健康成长具有重要意义。新生儿疼痛表情自动识别技术可以帮助医护人员自动评估新生儿疼痛,有效提高评估的质量和效率。因此,本文对新生儿疼痛表情识别的相关技术做了进一步的探索,研究了深度学习在新生儿面部检测和面部疼痛表情识别中的应用。主要的研究工作包含以下几点:(1)建立新生儿疼痛表情图像库。数据库是进行新生儿面部研究的基础,本文根据项目实际需求,从拍摄的500多个新生儿面部视频中提取了10000多张表情关键帧,经过专业评估及图像规范化操作后,建立了一个包含安静、哭泣、轻度疼痛和重度疼痛四类表情的新生儿疼痛表情数据库。(2)新生儿面部检测的研究。由于新生儿与成人面部特征存在一定差异,所以已有的人脸检测器无法直接应用于新生儿面部检测;本文重点研究了基于Adboost算法的人脸检测和基于多任务级联卷积神经网络(Muti-task CNN,MTCNN)的人脸检测两种算法在新生儿的面部检测中的应用,通过采用新生儿数据对算法进行训练调优,使得检测器学习更多的新生儿面部特征,从而提升新生儿的... 

【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 课题研究背景及意义
    1.2 课题研究现状
    1.3 新生儿疼痛表情识别基本流程
    1.4 研究内容与章节安排
        1.4.1 研究内容
        1.4.2 章节安排
第二章 深度学习相关理论
    2.1 深度学习概述
    2.2 多层前馈网络
        2.2.1 感知器单元
        2.2.2 多层前馈网络
        2.2.3 反向传播算法
    2.3 卷积神经网络
        2.3.1 网络的基本结构
        2.3.2 卷积层
        2.3.3 池化层
        2.3.4 全连接层
    2.4 本章小结
第三章 新生儿疼痛表情图像数据库的建立
    3.1 国内外现有新生儿疼痛表情数据库
    3.2 数据库建库流程
    3.3 数据库的建立
        3.3.1 视频采集及关键帧提取
        3.3.2 疼痛评估
        3.3.3 图像的规范化
    3.4 本章小结
第四章 新生儿面部检测算法
    4.1 人脸检测方法概述
    4.2 基于Adaboost算法的新生儿面部检测
        4.2.1 Haar特征与积分图
        4.2.2 弱分类器和强分类器
        4.2.3 级联分类器
    4.3 基于Muti-task CNN算法的新生儿面部检测
        4.3.1 MTCNN的网络结构
        4.3.2 多任务协同计算
    4.4 实验结果对比分析
        4.4.1 实验软硬件平台的搭建
        4.4.2 实验设计及分析
    4.5 本章小结
第五章 基于深度学习的新生儿疼痛表情识别
    5.1 基于CaffeNet网络的新生儿疼痛表情识别
        5.1.1 网络模型的结构
        5.1.2 模型参数配置
    5.2 基于Xception网络的新生儿疼痛表情识别
        5.2.1 深度可分卷积模块
        5.2.2 Xception网络模型的结构
    5.3 新生儿疼痛表情识别系统框架
    5.4 实验结果对比分析
        5.4.1 实验平台及数据集
        5.4.2 实验结果分析
    5.5 本章小结
第六章 总结与展望
参考文献
附录1 攻读硕士学位期间申请的专利
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]快速人脸检测与特征定位[J]. 朱文佳,戚飞虎.  中国图象图形学报. 2005(11)
[2]新生儿疼痛的研究进展[J]. 陈锦秀,叶天惠.  中华护理杂志. 2005(10)
[3]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)
[4]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)
[5]非药物疗法缓解新生儿疼痛的管理[J]. 薛松梅,朱丽丽.  中国疼痛医学杂志. 2010(01)
[6]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)
[7]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)
[8]不同年龄段儿童疼痛评估工具的选择[J]. 刘莹,刘天婧,王恩波.  中国疼痛医学杂志. 2012(12)
[9]新生儿疼痛评估进展[J]. 贺芳,李漓.  护理学报. 2014(20)
[10]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)

硕士论文
[1]基于LBP-top特征的新生儿疼痛表情识别研究[D]. 余益团.南京邮电大学 2016
[2]基于卷积神经网络的人脸表情和性别识别[D]. 产文涛.安徽大学 2016
[3]基于卷积网络集成的面部表情识别方法[D]. 刘旷.浙江大学 2016
[4]基于深度神经网络的表情识别算法[D]. 王剑云.西南科技大学 2015
[5]基于卷积神经网络的人脸检测和性别识别研究[D]. 汪济民.南京理工大学 2015
[6]基于分块加权局部二值模式的新生儿疼痛表情识别[D]. 李旭.南京邮电大学 2014
[7]基于Gabor小波变换和LBP结合的新生儿疼痛表情识别研究[D]. 李玉静.南京邮电大学 2014
[8]基于Log-Gabor的新生儿疼痛表情特征提取的研究[D]. 赵元.南京邮电大学 2014
[9]新生儿疼痛表情识别中的特征降维方法研究[D]. 谢双.南京邮电大学 2013
[10]基于正交匹配追踪算法的新生儿疼痛表情识别[D]. 李亚明.南京邮电大学 2013



本文编号:3703677

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/zidonghuakongzhilunwen/3703677.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户5f684***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com