融合VIT与CNN注意力机制的面部疼痛评估算法研究

TP391; 准确的疼痛评估可以为病人镇痛提供一定指导,为解决传统人工疼痛评估效率低、费时费力等问题,提出一种基于VIT与CNN注意力机制的面部疼痛评估算法,对疼痛进行多级预测.搭建面部疼痛表情采集平台,提取视频帧序列并进行数据预处理,建立疼痛表情数据库;提出一种改进的多尺度通道注意力模块关注关键特征信息,将CNN和VIT作为主干网络并行连接,提取更高级的面部局部-全局特征,以时序方式输入长短期记忆网络(LSTM)进行疼痛评估;在疼痛表情数据库上进行模型性能验证,实验结果表明,该算法在精确率、召回率、F1分数、准确率指标方面分别达到96.8%、96.7%、0.97、96.8%,与其他深度学习模...

Full description

Saved in:
Bibliographic Details
Published in计算机工程与应用 Vol. 60; no. 15; pp. 277 - 283
Main Authors 郭士杰, 卢世杰, 耿艳利, 顾博文, 孙浩
Format Journal Article
LanguageChinese
Published 河北工业大学 智能康复装置与检测技术教育部工程研究中心,天津 300401%河北工业大学 机械工程学院,天津 300401%河北工业大学 智能康复装置与检测技术教育部工程研究中心,天津 300401 01.08.2024
河北工业大学 机械工程学院,天津 300401
河北工业大学 人工智能与数据科学学院,天津 300401%河北工业大学 人工智能与数据科学学院,天津 300401
Subjects
注意力机制
面部表情
VIT网络
facial expression
卷积神经网络
attention mechanism
convolutional neural network
pain assessment
疼痛评估
VIT network
Online AccessGet full text
ISSN1002-8331
DOI10.3778/j.issn.1002-8331.2305-0311

Cover

More Information
Summary:TP391; 准确的疼痛评估可以为病人镇痛提供一定指导,为解决传统人工疼痛评估效率低、费时费力等问题,提出一种基于VIT与CNN注意力机制的面部疼痛评估算法,对疼痛进行多级预测.搭建面部疼痛表情采集平台,提取视频帧序列并进行数据预处理,建立疼痛表情数据库;提出一种改进的多尺度通道注意力模块关注关键特征信息,将CNN和VIT作为主干网络并行连接,提取更高级的面部局部-全局特征,以时序方式输入长短期记忆网络(LSTM)进行疼痛评估;在疼痛表情数据库上进行模型性能验证,实验结果表明,该算法在精确率、召回率、F1分数、准确率指标方面分别达到96.8%、96.7%、0.97、96.8%,与其他深度学习模型相比可更有效识别疼痛,为康复领域疼痛评估研究做出一定贡献.
ISSN:1002-8331
DOI:10.3778/j.issn.1002-8331.2305-0311