本发明专利技术提供了一种疼痛评估装置、方法、存储介质和电子设备，涉及疼痛评估技术领域。本发明专利技术通过先获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；随后基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；再基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；然后基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；最后基于各帧的疼痛得分计算序列级的疼痛等级，解决了现有基于标准数据集训练导致的临床使用时效果差的问题。练导致的临床使用时效果差的问题。练导致的临床使用时效果差的问题。
【技术实现步骤摘要】
疼痛评估装置、方法、存储介质和电子设备
[0001]本专利技术涉及疼痛评估
，具体涉及一种疼痛评估装置、方法、存储介质和电子设备。
技术介绍
[0002]在临床实践中，人工进行疼痛的评估和管理存在许多障碍。因此,对疼痛自动识别系统的需求日益加大。疼痛自动识别系统可以减少医护工作量，做到准确动态的疼痛评估，为临床医生提供客观参考。
[0003]目前疼痛评估方案均是在公开标准数据集上面进行研究，采用的方法，都是在实验的角度进行研究，无法应对真实复杂场景，例如医院中不同病房的光照，灯光等不同情况，或是无法满足现实医院中患者的差异性，因此无法真正应用到临床的等级。
技术实现思路
[0004](一)解决的技术问题
[0005]针对现有技术的不足，本专利技术提供了一种疼痛评估装置、方法、存储介质和电子设备，解决了现有疼痛评估基于公开标准数据集训练导致无法临床应用的问题。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]第一方面，提供了一种疼痛评估装置，包括：
[0009]真实表情图像获取模块，用于获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；
[0010]模拟疼痛表情图像生成模块，用于基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；
[0011]帧级疼痛检测模型训练模块，用于基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；所述帧级疼痛检测模型用于评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0012]疼痛得分获取模块，用于基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0013]序列级疼痛等级评估模块，用于基于各帧的疼痛得分计算序列级的疼痛等级。
[0014]进一步的，所述模拟疼痛表情图像生成模块采用训练好的生成对抗模型生成不同疼痛等级的模拟疼痛表情图像；
[0015]所述生成对抗模型采用强化学习训练；
[0016]且所述生成对抗模型的生成器包括：
[0017]AU检测单元，用于获取不同疼痛等级的疼痛表情图像的AU值，并作为动作a
t
；
[0018]图神经网络单元，用于将无疼痛表情图像和动作a
t
作为输入，生成表征整个图的特征信息；
[0019]纹理生成网络单元，用于将图神经网络得到的特征信息作为输入，生成对应疼痛等级的模拟疼痛表情图像，作为状态s
t
；
[0020]所述生成对抗模型的判别器用于将当前的动作a
t
和生成的模拟疼痛表情图像、无疼痛表情图像和AU作为输入，得到疼痛表情图像的真假概率。
[0021]进一步的，所述强化学习的奖励值的计算公式如下：
[0022][0023]其中，r
t
为奖励值；
[0024]下标t表示时刻；
[0025]p为疼痛表情图像的真假概率；
[0026]ε为自定义参数；
[0027]且根据梯度策略来更新网络参数；
[0028]其中，
[0029]θ
π
表示采取策略π时，网络中对应的参数θ；
[0030]η表示学习率；
[0031]D
(τ)
表示步长T对应的累计平均回报。
[0032]进一步的，所述疼痛得分获取模块采用VGG
‑
16模型，并将PSPI评分作为每帧疼痛表情图像的疼痛得分。
[0033]进一步的，所述序列级疼痛等级评估模块，包括：
[0034]特征提取单元，用于基于每帧疼痛表情图像的疼痛得分，构建多个特征向量；
[0035]多层感知机单元，用于将多个特征向量作为训练好的多层感知机的输入，得到序列级的观察者报告评分、视觉模拟标尺评分、情感标签评分、感官标签评分；并将其加权求和后作为患者的疼痛等级。
[0036]进一步的，所述多个特征向量包括：疼痛表情图像的疼痛得分的平均值，最大值，最小值，标准差，第95％值，第85％值，第75％值，第50％值，第25％值。
[0037]第二方面，提供了一种疼痛评估方法，该方法包括：
[0038]获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；
[0039]基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；
[0040]基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；所述帧级疼痛检测模型用于评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0041]基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0042]基于各帧的疼痛得分计算序列级的疼痛等级。
[0043]第三方面，提供了一种计算机可读存储介质，其存储用于序列级疼痛等级评估的计算机程序，其中，所述计算机程序使得计算机执行如下方法：
[0044]获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；
[0045]基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；
[0046]基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；所述帧级疼痛检测模型用于评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0047]基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0048]基于各帧的疼痛得分计算序列级的疼痛等级。
[0049]第四方面，提供了一种电子设备，包括：
[0050]一个或多个处理器；
[0051]存储器；以及
[0052]一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如下方法：
[0053]获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；
[0054]基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；
[0055]基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；所述帧级疼痛检测模型用于评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0056]基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；
[0057]基于各帧的疼痛得分计算序列级的疼痛等级。
[0058](三)有益效果
[0059]本专利技术提供了一种疼痛评估装置、方法、存储介质和电子设备。与现有技术相比，具备以下有益效果：
[0060]本专利技术通过先获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；随后基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；再基于不同本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种疼痛评估装置，其特征在于，该装置包括：真实表情图像获取模块，用于获取患者的面部视频，所述面部视频包括若干帧患者的真实疼痛表情图像；模拟疼痛表情图像生成模块，用于基于患者的真实疼痛表情图像生成不同疼痛等级的模拟疼痛表情图像；帧级疼痛检测模型训练模块，用于基于不同疼痛等级的真实疼痛表情图像和模拟疼痛表情图像训练帧级疼痛检测模型；所述帧级疼痛检测模型用于评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；疼痛得分获取模块，用于基于训练好的帧级疼痛检测模型评估患者的面部视频中各帧真实疼痛表情图像的疼痛得分；序列级疼痛等级评估模块，用于基于各帧的疼痛得分计算序列级的疼痛等级。2.如权利要求1所述的一种疼痛评估装置，其特征在于，所述模拟疼痛表情图像生成模块采用训练好的生成对抗模型生成不同疼痛等级的模拟疼痛表情图像；所述生成对抗模型采用强化学习训练；且所述生成对抗模型的生成器包括：AU检测单元，用于获取不同疼痛等级的疼痛表情图像的AU值，并作为动作a
t
；图神经网络单元，用于将无疼痛表情图像和动作a
t
作为输入，生成表征整个图的特征信息；纹理生成网络单元，用于将图神经网络得到的特征信息作为输入，生成对应疼痛等级的模拟疼痛表情图像，作为状态s
t
；所述生成对抗模型的判别器用于将当前的动作a
t
和生成的模拟疼痛表情图像、无疼痛表情图像和AU作为输入，得到疼痛表情图像的真假概率。3.如权利要求2所述的一种疼痛评估装置，其特征在于，所述强化学习的奖励值的计算公式如下：其中，r
t
为奖励值；下标t表示时刻；p为疼痛表情图像的真假概率；ε为自定义参数；且根据梯度策略来更新网络参数；其中，θ
π
表示采取策略π时，网络中对应的参数θ；η表示学习率；D
(τ)
表示步长T对应的累计平均回报。4.如权利要求1所述的一种疼痛评估装置，其特征在于，所述疼痛得分获取模块采用VGG
‑
16模型，并将PSPI评分作为每帧疼痛表情图像的疼痛得分。5.如权利要求1所述的一种疼痛评估装置，其特征在于，所述序列级疼痛等级评估模
块，包括：特征提取单元，用于基于每帧疼痛表...
【专利技术属性】
技术研发人员：袁新，欧阳波，丁帅，杨善林，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。