研究表明,新生兒早期經(jīng)受大量疼痛刺激會(huì)給其成長(zhǎng)發(fā)育帶來(lái)一系列不良影響,因此重視新生兒疼痛的早期管理和防治,對(duì)新生兒的健康成長(zhǎng)具有重要意義。新生兒疼痛表情自動(dòng)識(shí)別技術(shù)可以幫助醫(yī)護(hù)人員自動(dòng)評(píng)估新生兒疼痛,有效提高評(píng)估的質(zhì)量和效率。因此,本文對(duì)新生兒疼痛表情識(shí)別的相關(guān)技術(shù)做了進(jìn)一步的探索,研究了深度學(xué)習(xí)在新生兒面部檢測(cè)和面部疼痛表情識(shí)別中的應(yīng)用。主要的研究工作包含以下幾點(diǎn):（1）建立新生兒疼痛表情圖像庫(kù)。數(shù)據(jù)庫(kù)是進(jìn)行新生兒面部研究的基礎(chǔ),本文根據(jù)項(xiàng)目實(shí)際需求,從拍攝的500多個(gè)新生兒面部視頻中提取了10000多張表情關(guān)鍵幀,經(jīng)過(guò)專業(yè)評(píng)估及圖像規(guī)范化操作后,建立了一個(gè)包含安靜、哭泣、輕度疼痛和重度疼痛四類表情的新生兒疼痛表情數(shù)據(jù)庫(kù)。（2）新生兒面部檢測(cè)的研究。由于新生兒與成人面部特征存在一定差異,所以已有的人臉檢測(cè)器無(wú)法直接應(yīng)用于新生兒面部檢測(cè);本文重點(diǎn)研究了基于Adboost算法的人臉檢測(cè)和基于多任務(wù)級(jí)聯(lián)卷積神經(jīng)網(wǎng)絡(luò)（Muti-task CNN,MTCNN）的人臉檢測(cè)兩種算法在新生兒的面部檢測(cè)中的應(yīng)用,通過(guò)采用新生兒數(shù)據(jù)對(duì)算法進(jìn)行訓(xùn)練調(diào)優(yōu),使得檢測(cè)器學(xué)習(xí)更多的新生兒面部特征,從而提升新生兒的... 

【文章頁(yè)數(shù)】：62 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題研究背景及意義
    1.2 課題研究現(xiàn)狀
    1.3 新生兒疼痛表情識(shí)別基本流程
    1.4 研究?jī)?nèi)容與章節(jié)安排
        1.4.1 研究?jī)?nèi)容
        1.4.2 章節(jié)安排
第二章 深度學(xué)習(xí)相關(guān)理論
    2.1 深度學(xué)習(xí)概述
    2.2 多層前饋網(wǎng)絡(luò)
        2.2.1 感知器單元
        2.2.2 多層前饋網(wǎng)絡(luò)
        2.2.3 反向傳播算法
    2.3 卷積神經(jīng)網(wǎng)絡(luò)
        2.3.1 網(wǎng)絡(luò)的基本結(jié)構(gòu)
        2.3.2 卷積層
        2.3.3 池化層
        2.3.4 全連接層
    2.4 本章小結(jié)
第三章 新生兒疼痛表情圖像數(shù)據(jù)庫(kù)的建立
    3.1 國(guó)內(nèi)外現(xiàn)有新生兒疼痛表情數(shù)據(jù)庫(kù)
    3.2 數(shù)據(jù)庫(kù)建庫(kù)流程
    3.3 數(shù)據(jù)庫(kù)的建立
        3.3.1 視頻采集及關(guān)鍵幀提取
        3.3.2 疼痛評(píng)估
        3.3.3 圖像的規(guī)范化
    3.4 本章小結(jié)
第四章 新生兒面部檢測(cè)算法
    4.1 人臉檢測(cè)方法概述
    4.2 基于Adaboost算法的新生兒面部檢測(cè)
        4.2.1 Haar特征與積分圖
        4.2.2 弱分類器和強(qiáng)分類器
        4.2.3 級(jí)聯(lián)分類器
    4.3 基于Muti-task CNN算法的新生兒面部檢測(cè)
        4.3.1 MTCNN的網(wǎng)絡(luò)結(jié)構(gòu)
        4.3.2 多任務(wù)協(xié)同計(jì)算
    4.4 實(shí)驗(yàn)結(jié)果對(duì)比分析
        4.4.1 實(shí)驗(yàn)軟硬件平臺(tái)的搭建
        4.4.2 實(shí)驗(yàn)設(shè)計(jì)及分析
    4.5 本章小結(jié)
第五章 基于深度學(xué)習(xí)的新生兒疼痛表情識(shí)別
    5.1 基于CaffeNet網(wǎng)絡(luò)的新生兒疼痛表情識(shí)別
        5.1.1 網(wǎng)絡(luò)模型的結(jié)構(gòu)
        5.1.2 模型參數(shù)配置
    5.2 基于Xception網(wǎng)絡(luò)的新生兒疼痛表情識(shí)別
        5.2.1 深度可分卷積模塊
        5.2.2 Xception網(wǎng)絡(luò)模型的結(jié)構(gòu)
    5.3 新生兒疼痛表情識(shí)別系統(tǒng)框架
    5.4 實(shí)驗(yàn)結(jié)果對(duì)比分析
        5.4.1 實(shí)驗(yàn)平臺(tái)及數(shù)據(jù)集
        5.4.2 實(shí)驗(yàn)結(jié)果分析
    5.5 本章小結(jié)
第六章 總結(jié)與展望
參考文獻(xiàn)
附錄1 攻讀碩士學(xué)位期間申請(qǐng)的專利
附錄2 攻讀碩士學(xué)位期間參加的科研項(xiàng)目
致謝


【參考文獻(xiàn)】：
期刊論文
[1]快速人臉檢測(cè)與特征定位[J]. 朱文佳,戚飛虎.  中國(guó)圖象圖形學(xué)報(bào). 2005(11)
[2]新生兒疼痛的研究進(jìn)展[J]. 陳錦秀,葉天惠.  中華護(hù)理雜志. 2005(10)
[3]新生兒疼痛面部表情識(shí)別方法的研究[J]. 盧官明,李曉南,李海波.  光學(xué)學(xué)報(bào). 2008(11)
[4]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(xué)學(xué)報(bào)(自然科學(xué)版). 2008(05)
[5]非藥物療法緩解新生兒疼痛的管理[J]. 薛松梅,朱麗麗.  中國(guó)疼痛醫(yī)學(xué)雜志. 2010(01)
[6]深度學(xué)習(xí)的昨天、今天和明天[J]. 余凱,賈磊,陳雨強(qiáng),徐偉.  計(jì)算機(jī)研究與發(fā)展. 2013(09)
[7]基于不相關(guān)局部敏感鑒別分析的新生兒疼痛表情識(shí)別[J]. 盧官明,左加闊.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2013(06)
[8]不同年齡段兒童疼痛評(píng)估工具的選擇[J]. 劉瑩,劉天婧,王恩波.  中國(guó)疼痛醫(yī)學(xué)雜志. 2012(12)
[9]新生兒疼痛評(píng)估進(jìn)展[J]. 賀芳,李漓.  護(hù)理學(xué)報(bào). 2014(20)
[10]基于LBP特征和稀疏表示的新生兒疼痛表情識(shí)別[J]. 盧官明,石婉婉,李旭,李曉南,陳夢(mèng)瑩,劉莉.  南京郵電大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(01)

碩士論文
[1]基于LBP-top特征的新生兒疼痛表情識(shí)別研究[D]. 余益團(tuán).南京郵電大學(xué) 2016
[2]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉表情和性別識(shí)別[D]. 產(chǎn)文濤.安徽大學(xué) 2016
[3]基于卷積網(wǎng)絡(luò)集成的面部表情識(shí)別方法[D]. 劉曠.浙江大學(xué) 2016
[4]基于深度神經(jīng)網(wǎng)絡(luò)的表情識(shí)別算法[D]. 王劍云.西南科技大學(xué) 2015
[5]基于卷積神經(jīng)網(wǎng)絡(luò)的人臉檢測(cè)和性別識(shí)別研究[D]. 汪濟(jì)民.南京理工大學(xué) 2015
[6]基于分塊加權(quán)局部二值模式的新生兒疼痛表情識(shí)別[D]. 李旭.南京郵電大學(xué) 2014
[7]基于Gabor小波變換和LBP結(jié)合的新生兒疼痛表情識(shí)別研究[D]. 李玉靜.南京郵電大學(xué) 2014
[8]基于Log-Gabor的新生兒疼痛表情特征提取的研究[D]. 趙元.南京郵電大學(xué) 2014
[9]新生兒疼痛表情識(shí)別中的特征降維方法研究[D]. 謝雙.南京郵電大學(xué) 2013
[10]基于正交匹配追蹤算法的新生兒疼痛表情識(shí)別[D]. 李亞明.南京郵電大學(xué) 2013



本文編號(hào)：3703677