基于SVM的新生儿疼痛表情识别

被引：12

作者：

卢官明 ^{[1
]}

郭旻 ^{[1
]}

李晓南 ^{[2
]}

李海波 ^{[3
]}

邹婵洁 ^{[1
]}

机构：

[1] 南京邮电大学通信与信息工程学院

[2] 南京医科大学附属南京儿童医院

[3] 瑞典于默奥大学应用物理与电子系

来源：

南京邮电大学学报(自然科学版) | 2008年 / 28卷 / 06期

关键词：

新生儿疼痛; 表情识别; 支持向量机;

D O I：

10.14132/j.cnki.1673-5439.2008.06.012

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

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。

引用

页码：6 / 11

页数：6

共 7 条

[1] 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) :1-6

[2] 基于小波变换和支持向量机的步态识别算法 [J].

叶波 ;

文玉梅 .

中国图象图形学报 , 2007, (06) :1055-1063

[3]

统计学习理论的本质[M]. 清华大学出版社 , (美)VladimirN.Vapnik著, 2000

[4]

Premature Infant Pain Profile: Development and Initial Validation[J] . Bonnie Stevens,Celeste Johnston,Patricia Petryshen,Anna Taddio.The Clinical Journal of Pain . 1996 (1)

[5] SUPPORT-VECTOR NETWORKS [J].

CORTES, C ;

VAPNIK, V .

MACHINE LEARNING, 1995, 20 (03) :273-297

[6]

Robust support vector machine with bullet hole image classification. Song,Q.,Hu,W.J.,Xie,W.F. IEEE Transactions on Systems Man and Cybernetics . 2002

[7]

Consen-sus statement for the prevention and management of painin the new-born. The International Evidence-Based Groupfor Neonatal Pain. Archives of Pediatric and Adolescent Medicine . 2001

← 1 →