基于SVM的新生儿疼痛表情识别

• 作者: 卢官明 李晓南 李海波 邹婵洁 郭旻
• 来源期刊: 南京邮电大学学报（自然科学版）
• 学科: 工学
• 关键词: 新生儿疼痛 表情识别 支持向量机
• 年，卷（期）: 2008,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 6-11
• 页数: 6页
• 分类号: TP391.41
• 字数: 4472字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5439.2008.06.002

摘要

近十年来新生儿疼痛引起医护人员的广泛关注.由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题.新生儿"疼痛面容"(蹙眉、挤眼、鼻唇沟加深、张口)被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标.然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响.文中旨在解决上述问题,提出利用支持向量机(SVM)技术对新生儿疼痛与非疼痛面部表情进行分类识别.对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM(d=2,3,4)以及径向基函数SVM等5种不同分类器的性能.实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93.33%,对疼痛与安静表情的分类识别率为94.17%,对疼痛与哭表情的分类识别率为83.13%,初步具备了在新生儿疼痛评估中的潜在应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卢官明	南京邮电大学通信与信息工程学院	74	904	16.0	29.0
2	邹婵洁	南京邮电大学通信与信息工程学院	2	35	2.0	2.0
3	李晓南		87	742	16.0	23.0
4	郭旻	南京邮电大学通信与信息工程学院	2	35	2.0	2.0