郑建伟,刘新妹,殷俊龄

(中北大学 电子测试技术国家重点实验室,太原 030051)

在临床医疗中,疼痛是病人一个极其常见的问题.鉴于疼痛给病人所带来的伤害,它被定义为继四大生命体征—体温、脉搏、呼吸、血压之后的第五大生命体征[1].然而,如果在医疗机构中没有一个有效的疼痛评估方式,盲目地采取一些治疗手段,那么极有可能导致医疗事故的产生.疼痛评估是控制疼痛的重要一环[2],对于那些有语言功能障碍的人群(如痴呆症患者、脑损伤病人等)来说,正确的疼痛评估直接会影响治疗的选择和治疗的效果.在疼痛评估中,针对健康的人自我评估作为最有效的方法,为了最大化治疗人群,尤其对难以表达自我感受的特别人群,科学的对疼痛程度做出估计具有重要的临床意义[2].

2007年,Littlewort 等[3]则应用一个联合Gabor 特征和支持向量机(SVM)面部表情的识别系统去区分疼痛的真假,并给出了与疼痛最相关的脸部运动单元(Action Units,AU);2009年,Ashraf 等[4]利用主动表观模型(Active Appearance Models,AAM)提取出形状和表观特征,并利用SVM 来对这些特征进行分类.国内南京邮电大学卢官明等[5]在2008年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,比较了不同核函数的分类器性能;2015年,该团队提出一种基于加权局部二元模式(LBP)特征描述符和稀疏表示分类器的新生儿疼痛表情识别方法[6].在其自建的新生儿面部图像数据库上进行了实验.

疼痛表情是疼痛评估的可靠指标之一[7,8].在疼……