[发明专利]融合心率变异特征和面部表情特征的疼痛评估方法

说明书

本发明提供一种融合心率变异特征和面部表情特征的疼痛评估方法，将所述的表情特征信息与心率变异特征信息融合成疼痛融合特征集，并输入SVR回归分类器中进行训练与学习，再采集待评估的患者的表情图像序列和心率数据生成待测疼痛融合特征集，并送入训练好的SVR分类器进行回归预测，完成疼痛水平的评估。本发明的融合心率变异特征和面部表情特征的疼痛评估方法不仅能够快速准确的对疼痛水平进行评估，还排除了光照、患者面部特征、生理反应特征、疼痛耐受程度等因素对疼痛表情识别的干扰，提高了对患者疼痛评估的准确性和鲁棒性。

技术领域

本发明涉及智能医疗技术领域，更确切地说涉及一种融合心率变异特征和面部表情特征的疼痛评估方法。

背景技术

疼痛常常表现为一种不愉快的情绪，且伴随着潜在的组织损伤。2001年世界卫生组织(WHO)正式将疼痛确认为是人类的一类疾病，是继呼吸、脉搏、体温和血压四大生命体征之后的“第五大生命指征“，并将缓解疼痛作为一项基本人权。随着社会的发展、医疗水平的不断提高以及病人对疼痛治疗要求的需求增加,疼痛治疗工作越来越受到医药卫生部门的关注和重视，很多医院设立了专门的疼痛科或疼痛中心，全方位地开展有关疼痛的医疗、科研、教学工作。临床上，科学地评估疼痛是临床医生实施疼痛规范化治疗的第一步，只有及时、准确的掌握患者的疼痛水平和变化才能根据疼痛评估结果制定镇痛方案，提高镇痛效果。

传统的临床疼痛强度评估方法包括主观评价和客观评价。常用的主观评价包括视觉模拟评分法(VAS)，数字疼痛分级法(NRS)，Wong-Baker脸谱量表(FRS)，疼痛问卷调查表等。主观评分法的主要依据之一是通过医护人员在患者主观描述的基础上，持续的观察和辨别患者的面部表情，其评估过程带有主观性且依赖医护人员的经验。客观评价包括行为、生理学测定等。其中基于生理学测定的方法是指利用与疼痛之间存在密切关联的生理和生化指标，如心率，血压等。临床上，心率变异性(HRV)被广泛用于判断疼痛疾病的诊断。客观评分法多为单一指标，对疼痛的量化评价易受到设备限制，主要为临床疼痛的诊断提供参考依据。

随着机器学习和计算机视觉技术的发展，人脸表情识别的准确性和效率不断提高，可通过计算机采集疼痛表情图像，构建疼痛表情数据库，进而训练疼痛水平评估模型来辅助医护人员提高疼痛评估的效率和准确性。但是疼痛表情识别会受到光照及患者头部的影响，此外不同患者对疼痛的耐受度不一样也导致疼痛水平评估上的误差，因此通过单个面部表情特征来判断患者的疼痛水平状态的鲁棒性不够，本发明主要针对此问题提出。

发明内容

本发明要解决的技术问题是，提供一种融合心率变异特征和面部表情特征的疼痛评估方法，解决现有技术中的仅仅基于面部表情特征这一指标判断病人疼痛水平所导致的判断不准确问题，排除因患者面部特征、生理反应特征、疼痛耐受程度等个体差异化因素对患者疼痛水平判断结果的干扰，保证所述的融合心率变异特征和面部表情特征的疼痛评估方法的鲁棒性和准确性。

本发明的技术解决方案是，提供一种融合心率变异特征和面部表情特征的疼痛评估方法，包括如下步骤：

1)通过摄像头实时记录采集对象的表情图像序列，通过心电装置同时采集所述采集对象的心率信息；

2)通过计算机在所述的表情图像序列中提取所述采集对象的表情特征信息；

3)通过计算机在所述的心率信息中提取所述采集对象的心率变异特征信息；

4)通过计算机将所述的表情特征信息与心率变异特征信息融合成疼痛融合特征集；

5)采用支持向量回归器SVR对所述的疼痛融合特征集进行训练与学习，得到疼痛水平综合值PL；

6)对待评估的患者重复步骤1)至步骤4)，生成待测疼痛融合特征集，将所述的待测疼痛融合特征集送入步骤5)中训练好的SVR中进行回归预测，评估患者的疼痛水平。

本发明的技术方案与现有技术相比具有以下优点：