一种癌痛实时评估仪及其评估方法技术

本发明专利技术公开了一种癌痛实时评估仪及其评估方法，其包括：S1、确定研究对象，提取其临床参数，并基于量表评估结果构建研究对象的临床数据库；S2、获取研究对象人脸图像和对应的标定真实值；S3、处理研究对象人脸图像资料，采用特征提取算法提取患者面部表情特征数据集；S4、采用精确度测试验证训练结果，构建卷积神经网络算法模型；S5、输入患者人脸图像，提取其面部表情特征，并基于训练完成的卷积神经网络算法模型输出患者心理痛苦程度。

A real-time evaluation instrument for cancer pain and its evaluation method

【技术实现步骤摘要】
一种癌痛实时评估仪及其评估方法
本专利技术属于心理评估的
，具体涉及一种癌痛实时评估仪及其评估方法。
技术介绍
癌症疼痛指癌症及其相关性病变所致的疼痛。据WHO统计，癌症患者疼痛发生率约30％-50％，晚期癌症患者疼痛的发生率高达75％以上。癌痛治疗方案的制定基于对患者疼痛程度的评估，但目前的评估手段比较局限，主要通过患者填写量表进行自我评估。这种方法易受患者心理精神状况和其他外界因素影响，主观性强，准确性欠佳、相对耗时耗力、结果有不稳定的重复性。这是造成临床上癌痛患者未能得到足够止痛治疗的现象普遍存在的一大重要原因。寻求客观、准确、稳定的疼痛程度评估新技术十分迫切。研究显示，面部表情能很好地反映患者的疼痛，且不受患者的年龄、性别、认知水平和疼痛类型影响，与患者自评分数有相关性。目前临床上使用患者自填的疼痛评估量表进行癌痛程度评估，最常用的为数字分级法(numericalratingscale,NRS)：用0-10代表不同程度的疼痛，0为无痛，10为剧痛。让患者自己圈出一个最能代表自身疼痛程度的数字。1-3为轻度疼痛，4-6为中度疼痛，7-10为重度疼痛。患者通过填写量表进行疼痛程度的自我评估，这种方法易受患者心理精神状况和其他外界因素影响，主观性强，准确性欠佳、相对耗时耗力、结果有不稳定的重复性。癌症侵及中枢神经系统可导致意识障碍、精神障碍，相当一部分癌症患者为老年人或儿童，这些患者可能无法正确评估自身感受，也无法很好地进行交流，更加大了癌痛评估的难度。
技术实现思路
r>本专利技术的目的在于针对现有技术中的上述不足，提供一种癌痛实时评估仪及其评估方法，以解决现有临床癌痛患者疼痛程度自我评估量表结果主观性强、准确性不足、结果不稳定、易受患者心理精神状况和其他外界因素影响的问题。为达到上述目的，本专利技术采取的技术方案是：一种癌痛实时评估评估方法，其包括：S1、确定研究对象，提取其临床参数，并基于量表评估结果构建研究对象的临床数据库；S2、获取研究对象人脸图像和对应的标定真实值；S3、处理研究对象人脸图像资料，采用特征提取算法提取患者面部表情特征数据集；S4、采用精确度测试验证训练结果，构建卷积神经网络算法模型；S5、输入患者人脸图像，提取其面部表情特征，并基于训练完成的卷积神经网络算法模型输出患者心理痛苦程度。优选地，研究对象临床参数包括：年龄、性别、组织学类型、肿瘤大小和分期。优选地，卷积神经网络算法模型训练的步骤包括：对研究对象的人脸图像做人脸检测，获得人脸在图像中的坐标位置和区域大小，进而提取出人脸框图片；检测人脸面部表情显著特征点位置，对人脸图像做人脸对齐；裁剪人脸图像并输入到卷积神经网络算法模型中，提取面部表情特征，并以人工标注的分级信息为图像标签；训练特征提取器和分类器，分类器将对输入人脸图像的分级信息进行预测。一种癌痛实时评估方法，包括设置于装置本体上的微处理器、摄像头和显示屏；摄像头和显示屏均与微处理器电性连接；微处理器分别与键盘、电源和存储模块相连；摄像头设置于装置本体的一侧，显示屏和键盘设置于装置本体的另一侧。优选地，微处理器为STM32F4单片机。优选地，摄像头为OV7725型号摄像头。优选地，显示屏为OLED显示屏。本专利技术提供的癌痛实时评估仪及其评估方法，具有以下有益效果：本专利技术通过构建临床数据库进行CNN算法模型训练，并对训练结果的正确性进行验证，实现对肿瘤患者心理痛苦等级的评估分级，解决了传统临床肿瘤患者心理痛苦程度自我评估量表结果主观性强、准确性不足、结果不稳定、易受患者各种内、外界因素影响的问题。附图说明图1为肿瘤患者心理痛苦评估方法的流程图。图2为肿瘤患者心理痛苦评估仪的原理框图。图3为肿瘤患者心理痛苦评估仪的外部结构图。图4为摄像头接口电路图。图5为按键电路图。图6为微处理器及其外围电路图。图7为显示屏接口电路图。图8为模型输出效果图。其中，1、装置本体；2、显示屏；3、键盘；4、摄像头。具体实施方式下面对本专利技术的具体实施方式进行描述，以便于本
的技术人员理解本专利技术，但应该清楚，本专利技术不限于具体实施方式的范围，对本
的普通技术人员来讲，只要各种变化在所附的权利要求限定和确定的本专利技术的精神和范围内，这些变化是显而易见的，一切利用本专利技术构思的专利技术创造均在保护之列。根据本申请的一个实施例，参考图2-7，本方案的癌痛实时评估仪及其评估方法，包括装置本体1，微处理器嵌入装置本体1内部，装置本体1上设置摄像头4、显示屏2和键盘3。摄像头4、显示屏2和键盘3均与微处理器电性连接，微处理器分别与电源和存储模块相连。摄像头4设置于装置本体1的一侧，显示屏2和键盘3设置于装置本体1的另一侧。其中，微处理器选用STM32F4单片机。摄像头4为OV7725型号摄像头4，用于拍摄患者脸部图像信息。显示屏2为OLED显示屏2，用于显示当前患者的心理痛苦等级。本方案的工作原理为：当微处理器接收到按键按下信号时，微处理器向摄像头4发送拍照命令，摄像头4拍取患者脸部图像信息，微处理器接受该图片信息，利用微处理器内部已经训练完成的CNN(卷积神经网络算法)算法模型，完成患者的心理评估，并实时地将心理痛苦等级显示在显示屏2上。当患者自述感到内心痛苦时，将装置本体1上的摄像头4对准患者面部进行拍摄，该仪器可自动识别患者人脸图像中的面部表情特征，在显示屏2上显示出该患者心理痛苦程度的分级。根据本申请一个实施例，参考图1和图8，一种癌痛实时评估仪及其评估方法，其包括：S1、确定研究对象，提取其临床参数，并基于量表评估结果构建研究对象的临床数据库；S2、获取研究对象人脸图像和对应的标定真实值；S3、处理研究对象人脸图像资料，采用特征提取算法提取患者面部表情特征数据集；S4、采用精确度测试验证训练结果，构建卷积神经网络算法模型；S5、输入患者人脸图像，提取其面部表情特征，并基于训练完成的卷积神经网络算法模型输出患者心理痛苦程度。以下对上述步骤进行详细说明：构建临床数据库本专利技术数据来自四川大学华西医院肿瘤病房，共计纳入500例癌症患者。临床参数包括年龄、性别、组织学类型、肿瘤大小和分期等均被记录在内。纳入标准为：经病理诊断确诊为癌症。排除标准为：①无法准确观察到面部表情的患者，如面部神经损伤、面部肌肉损伤、颜面部有大面积缺损等。②无法交流的患者，如意识障碍等。③不愿意配合的患者。癌症患者人脸图像由摄像机拍摄获得，包括视频文件和静态图像，内容为患者填写相关量表时的面部表情。图像对应的癌症疼痛程度标签由患者填写的数字分级法疼痛评估量表(numericalratingscale,NRS)获本文档来自技高网...

【技术保护点】
1.一种癌痛实时评估方法，其特征在于，包括：/nS1、确定研究对象，提取其临床参数，并基于量表评估结果构建研究对象的临床数据库；/nS2、获取研究对象人脸图像和对应的标定真实值；/nS3、处理研究对象人脸图像资料，采用特征提取算法提取患者面部表情特征数据集；/nS4、采用精确度测试验证训练结果，构建卷积神经网络算法模型；/nS5、输入患者人脸图像，提取其面部表情特征，并基于训练完成的卷积神经网络算法模型输出患者心理痛苦程度。/n

【技术特征摘要】
1.一种癌痛实时评估方法，其特征在于，包括：
S1、确定研究对象，提取其临床参数，并基于量表评估结果构建研究对象的临床数据库；
S2、获取研究对象人脸图像和对应的标定真实值；
S3、处理研究对象人脸图像资料，采用特征提取算法提取患者面部表情特征数据集；
S4、采用精确度测试验证训练结果，构建卷积神经网络算法模型；
S5、输入患者人脸图像，提取其面部表情特征，并基于训练完成的卷积神经网络算法模型输出患者心理痛苦程度。


2.根据权利要求1所述的癌痛实时评估方法，其特征在于：研究对象临床参数包括：年龄、性别、组织学类型、肿瘤大小和分期。


3.根据权利要求1所述的癌痛实时评估方法，其特征在于，所述卷积神经网络算法模型训练的步骤包括：
对研究对象的人脸图像做人脸检测，获得人脸在图像中的坐标位置和区域大小，进而提取出人脸框图片；
检测人脸面部表情显...

【专利技术属性】
技术研发人员：马学磊，王健，宋心迪，周家豪，
申请(专利权)人：马学磊，
类型：发明
国别省市：江苏;32