基于SVM的新生儿疼痛表情识别

作     者：卢官明 郭旻 李晓南 李海波 邹婵洁 LU Guan-ming;GUO Min;LI Xiao-nan;LI Hai-bo;ZOU Chan-jie

作者机构：南京邮电大学通信与信息工程学院江苏南京210003 南京医科大学附属南京儿童医院江苏南京210008 瑞典于默奥大学应用物理与电子系S-90187UmeaSweden 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2008年第28卷第6期

页      面：6-11页

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：Asian-Swedish Research Links Programme(348-2005-6434) 江苏省高校自然科学基金(08KJB510016) 江苏省自然科学基础研究计划(BK2008075) 南京市留学回国人员科技活动择优资助经费(TJ206015) 南京市医学重点科技发展计划(ZKX07020) 南京邮电大学科研基金(NY206023)资助项目 

主　　题：新生儿疼痛 表情识别 支持向量机 

摘      要：近十年来新生儿疼痛引起医护人员的广泛关注。由于新生儿不能自述疼痛的感受,疼痛评估成为新生儿科学中最具挑战性的一个难题。新生儿 疼痛面容 (蹙眉、挤眼、鼻唇沟加深、张口)被认为是最可靠的疼痛指标,且持续时间最长,因而被国际上常用的新生儿疼痛评估工具作为评估指标。然而,这些疼痛评估工具往往受到临床医护人员主观因素的影响。文中旨在解决上述问题,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。对210幅照片的表情图像进行了研究,比较了线性核函数SVM、多项式核函数SVM(d=2,3,4)以及径向基函数SVM等5种不同分类器的性能。实验结果表明,阶数d=3的多项式核函数SVM分类器的性能最佳,对疼痛和非疼痛表情分类的识别率达到93.33%,对疼痛与安静表情的分类识别率为94.17%,对疼痛与哭表情的分类识别率为83.13%,初步具备了在新生儿疼痛评估中的潜在应用价值。