一种基于空时注意力机制的疼痛强度估计方法技术

本发明专利技术提出了一种基于空时注意力机制的疼痛强度估计方法。首先将人脸图像映射到预训练模型VGG‑16中得到一个深度特征图谱，将该特征图谱输入到空间注意力模块中得到空间注意力图谱，并将空间注意力图谱作用到深度特征图谱上得到空间注意力特征。然后，将空间注意力特征提取网络固定，每幅图像生成相应的空间注意力特征，将该特征输入到循环神经网络中，后接时间注意力模块，生成时间注意力特征，并利用该特征估计视频序列的疼痛强度。本发明专利技术通过引入空时注意力机制，在提取空时疼痛特征的同时，更加关注人脸上和疼痛最为相关的区域以及视频序列中具有疼痛强度的图像帧，从而有效提升疼痛强度估计效果。

A pain intensity estimation method based on space-time attention mechanism

【技术实现步骤摘要】
一种基于空时注意力机制的疼痛强度估计方法
本专利技术属于医学领域，具体涉及一种疼痛强度估计方法。
技术介绍
在临床医疗中，疼痛是病人一个极其常见的现象。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。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。因此，准确的疼痛评估是医疗过程中极其重要的一个环节。目前疼痛的评估主要分为两种：自我评估和观察者评估。自我评估要求病人在规定时间内口述0～10个等级的疼痛感受强度，但由于医院中总会存在一些特殊的群体，例如：痴呆症患者、新生儿患者等一些具有语言功能障碍的人群，自我表达的方式不能在这类病人身上实行，因此，自我评估的手段并不总是有效。观察者评估则需要专业的医疗人员或者病人亲属持续不断的观察，这个过程的效率非常低。与此同时，伴随着计算机视觉的发展，对人脸的图像或视频的分析研究也取得了长足的进步。如果能够借助计算机来完成病人疼痛强度状态的监测任务，将极大提升病人在医疗机构的治疗体验。近年来，大量本文档来自技高网...

【技术保护点】
1.一种基于空时注意力机制的疼痛强度估计方法，其特征在于，包括以下步骤：/n步骤1：人脸视频序列图像的空间注意力特征提取/n步骤1-1：将人脸图像输入到预训练模型VGG-16中，该模型的第四个卷积块输出特征图谱为

【技术特征摘要】
1.一种基于空时注意力机制的疼痛强度估计方法，其特征在于，包括以下步骤：
步骤1：人脸视频序列图像的空间注意力特征提取
步骤1-1：将人脸图像输入到预训练模型VGG-16中，该模型的第四个卷积块输出特征图谱为W、H、C分别为特征图谱的宽、高和通道尺寸，特征图谱F中每个位置的特征向量对应原始图像中的一个感受域；
步骤1-2：在预训练模型VGG-16中构造空间注意力模块计算空间注意力权重图谱，方法如下：
空间注意力模块包含两层全连接神经网络，将特征图谱F输入空间注意力模块第一层神经网络，按照下式计算输出：
Mij＝tanh(WijFij+bij)
式中，为W×H尺寸大小的特征图谱在(i,j)位置的特征向量，为第一层神经网络在特征图谱(i,j)位置的权重参数，d为第一层神经网络的输出神经元个数，为第一层神经网络(i,j)位置的偏置，tanh()为第一层神经网络的激活函数，为第一层神经网络在(i,j)位置的输出结果；
第二层神经网络将第一层神经网络的输出作为输入，按照下式计算第二层神经网络在(i,j)位置的注意力权重值：
Aij＝σ(uTMij+c)
式中，为第二层神经网络的权重参数，为第二层神经网络的偏置，σ()为第二层神经网络的激活函数，全部位置的Aij组成注意力权重图谱
步骤1-3：按照下式计算空间注意力模块输出：
O＝A⊙F
式中，⊙为注意力图谱与特征图谱对应位置的特征向量的乘积运算...

【专利技术属性】
技术研发人员：冯晓毅，宋真东，黄东，夏召强，马玉鹏，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：陕西;61