[发明专利]基于卷积神经网络的新生儿疼痛表情分类方法

权利要求书

1.基于卷积神经网络的新生儿疼痛表情分类方法，其特征在于，包括如下步骤：

步骤1，采集新生儿疼痛表情图像，对图像按新生儿面部表情的不同状态进行分类，建立新生儿疼痛表情图像库；

步骤2，构建含有1层数据层、3层卷积层、2层全连接层和1层分类层的卷积神经网络；

步骤3，将新生儿疼痛表情图像库中每类表情的图像均划分为训练样本和测试样本，以训练样本作为卷积神经网络的数据输入，利用反向传播算法对卷积神经网络进行迭代训练，并优化训练全局参数使卷积神经网络输出softmax损失函数值下降并收敛，得到训练好的卷积神经网络；

步骤4，输入测试样本，利用训练好的卷积神经网络对测试样本进行识别分类，并输出测试样本属于各类的概率值，将最大的概率值对应的类别作为测试样本的类别。

2.根据权利要求1所述基于卷积神经网络的新生儿疼痛表情分类方法，其特征在于，步骤1所述新生儿面部表情的不同状态包括：平静、哭、轻微疼痛、剧烈疼痛。

3.根据权利要求1所述基于卷积神经网络的新生儿疼痛表情分类方法，其特征在于，步骤2所述卷积神经网络的网络结构包括如下：

2.1数据层：该层利用新生儿疼痛表情库中的样本图像及其对应的类别标签，作为卷积神经网络的数据层；

2.2卷积层1：该层为卷积神经网络卷积层第一层，采用m₁个k₁*k₁的卷积核、间隔步长为l₁像素，对样本图像卷积并对输出采样和归一化，作为下一层的输入；

2.3卷积层2：该层为卷积神经网络卷积层第二层，采用m₂个k₂*k₂的卷积核、间隔步长为l₂像素，对上一层输出卷积并对输出采样和归一化，作为下一层的输入；

2.4卷积层3：该层为卷积神经网络卷积层第三层，采用m₃个k₃*k₃的卷积核、步长间隔为l₃像素，对上一层输出卷积并对输出采样和归一化，作为下一层的输入；其中，k₁、k₂、k₃逐渐递减；

2.5全连接层1：该层为卷积神经网络全连接层第一层，是卷积层3输出结果的全连接输入，在激活函数、防过拟合作用下全连接到n个节点作为下一层的输入；

2.6全连接层2：该层为卷积神经网络全连接层第二层，是全连接层1输出结果的全连接输入，在激活函数、防过拟合的作用下全连接到n个节点作为下一层的输入；

2.7分类层：该层为卷积神经网络分类层，全连接层2的n个输出节点作为该层的输入，输出为属于第j类的概率值P_j，并在P_j中寻找最大值，将概率最大的j所对应的类别作为分类结果，j＝1,…,k，k为总的类别数。