新生兒無法對自身的疼痛感進行表達,一般由專業(yè)的醫(yī)護人員對他們的疼痛進行評估,而這種評估方式存在主觀評估的差異性,另外,人工評估方式會非常耗時耗力。因此,有必要開發(fā)出一種基于新生兒疼痛表情的自動評估系統,為醫(yī)護人員提供更為精確、更為可靠的評估工具。近年來,深度學習已經成功地被運用到諸多領域,例如,圖像識別、語音識別、人臉識別等領域,本文重點研究了深度學習在新生兒疼痛表情識別中的應用,主要的研究內容以及成果如下:（1）建立了新生兒面部表情視頻庫。包括對新生兒視頻的采集、視頻的預處理、數據集擴增等過程。（2）研究了一種基于卷積神經網絡（Convolutional Neural Network,CNN）和長短期記憶（Long Short-Term Memory,LSTM）網絡的LRCN（Long-term Recurrent Convolutional Networks）模型,及其在新生兒疼痛表情識別中的應用。（3）在LRCN模型中的LSTM選取經典LSTM網絡的前提下,研究了LRCN模型中采用CaffeNet、改進CaffeNet以及VGG三種不同CNN對新生兒疼痛表情識別率的影響。實驗結果... 

【文章來源】：南京郵電大學江蘇省

【文章頁數】：62 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 課題的背景及意義
    1.2 新生兒疼痛表情識別的國內外研究現狀
    1.3 主要研究內容及章節(jié)安排
        1.3.1 主要內容
        1.3.2 章節(jié)安排
第二章 新生兒面部表情視頻庫
    2.1 新生兒面部表情視頻的采集
    2.2 新生兒疼痛表情視頻庫的建立
        2.2.1 原始視頻的預處理
        2.2.2 數據集擴增
    2.3 本章小結
第三章 深度學習的基本理論
    3.1 深度學習概述
        3.1.1 深度學習的背景
        3.1.2 深度學習的實際應用
        3.1.3 深度學習的挑戰(zhàn)
    3.2 卷積神經網絡
        3.2.1 卷積神經網絡的背景知識
        3.2.2 基本卷積運算
        3.2.3 卷積網絡結構的原理
        3.2.4 卷積神經網絡的優(yōu)缺點
    3.3 循環(huán)神經網絡
        3.3.1 循環(huán)神經網絡的背景知識
        3.3.2 長短期記憶網絡原理
        3.3.3 其他變種長短期記憶網絡
    3.4 激活函數
    3.5 本章小結
第四章 基于LRCN網絡的新生兒疼痛表情識別
    4.1 LRCN網絡的介紹
    4.2 LRCN網絡的基本原理
        4.2.1 基于不同CNN的LRCN網絡的新生兒疼痛表情識別
        4.2.2 基于雙向LSTM的LRCN網絡的新生兒疼痛表情識別
        4.2.3 損失函數與正則化
    4.3 其他深度神經網絡算法
    4.4 本章小結
第五章 實驗與分析
    5.1 實驗基本硬件配置與環(huán)境搭建
    5.2 實驗樣本集與參數設置
    5.3 方法比較與分析
    5.4 本章小結
第六章 總結與展望
參考文獻
附錄 1 攻讀碩士學位期間撰寫的專利
附錄 2 攻讀碩士學位期間參加的科研項目
致謝


【參考文獻】：
期刊論文
[1]基于LBP特征和稀疏表示的新生兒疼痛表情識別[J]. 盧官明,石婉婉,李旭,李曉南,陳夢瑩,劉莉.  南京郵電大學學報(自然科學版). 2015(01)
[2]基于不相關局部敏感鑒別分析的新生兒疼痛表情識別[J]. 盧官明,左加闊.  南京郵電大學學報(自然科學版). 2013(06)
[3]基于SVM的新生兒疼痛表情識別[J]. 盧官明,郭旻,李曉南,李海波,鄒嬋潔.  南京郵電大學學報(自然科學版). 2008(06)
[4]新生兒疼痛面部表情識別方法的研究[J]. 盧官明,李曉南,李海波.  光學學報. 2008(11)
[5]新生兒疼痛面部表情的特征提取[J]. 盧官明,鄒嬋潔,李曉南,李海波,郭旻.  南京郵電大學學報(自然科學版). 2008(05)
[6]疼痛,一個尚未引起兒科醫(yī)師足夠重視的問題[J]. 許峰.  中華兒科雜志. 2005(12)
[7]人臉表情視頻數據庫的設計與實現[J]. 吳丹,林學訚.  計算機工程與應用. 2004(05)



本文編號：3181973