基于CNN和表情识别技术的帕金森病诊断多任务学习研究

作     者：毛政翔 章思远 肖世明 黄伟 Mao Zhengxiang;Zhang Siyuan;Xiao Shiming;Huang Wei

作者机构：南昌大学信息工程学院江西南昌330031 南昌大学信息化办公室江西南昌330031 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2023年第40卷第11期

页      面：163-169,265页

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(61862043) 江西省自然科学基金重点项目(20181ACB20006)。 

主　　题：卷积神经网络 图像识别 表情识别 帕金森病筛查 DMSNet 

摘      要：针对帕金森病患者筛查这一问题,提出一种基于卷积神经网络和面部表情识别技术的帕金森病患者识别的多任务学习网络模型(Densely connected multi-scale convolutional network,DMSNet),该模型主要采用密集连接网络和多尺度卷积核结构。通过获得表情预测结果后,将不同表情特征向量组合用以获得帕金森病患者预测结果。在OuluCASIA和PDface数据库上进行5折交叉实验后,该模型在帕金森病筛查上的有效性得到验证。此外,该模型采用多任务学习机制的优越性也通过与其只进行帕金森病预测的单任务学习模型对比后得到验证。