一种疼痛程度预测方法、装置、电子设备及可读存储介质制造方法及图纸

本申请提供了一种疼痛程度预测方法、装置、电子设备及可读存储介质。所述方法包括：获取用户面部图像及用户问卷结果；将用户面部图像输入至已训练的疼痛程度分类模型，获得已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果；将用户问卷结果及用户面部图像、对应的分类结果输入至已训练的第一疼痛程度预测模型，获得已训练的第一疼痛程度预测模型输出的用户疼痛程度的预测结果；能够客观、量化地获知用户疼痛程度；并且已训练的第一疼痛程度预测模型以客观的用户面部图像及主观的用户问卷结果对用户疼痛程度进行预测，能够基于更丰富、更完备的特征预测用户疼痛程度，提高预测精度及效率，快速、准确且可靠预测用户疼痛程度。痛程度。痛程度。

A pain prediction method, device, electronic device and readable storage medium

【技术实现步骤摘要】
一种疼痛程度预测方法、装置、电子设备及可读存储介质


[0001]本申请属于诊断
，尤其涉及一种疼痛程度预测方法、装置、电子设备及可读存储介质。

技术介绍

[0002]目前，传统疼痛评级的方法包括词语和数字的自我评定量表、行为观察量表和生理学方法等，其中视觉模拟评分量表VAS和简化的Mcgill疼痛问卷表(short
‑
form of McGill pain questionnaire，SF
‑
MPQ)是目前疼痛评估最常用的手段。
[0003]但这些传统的量表均是用户对自身疼痛的一种主观判断，由于不同用户对疼痛的耐受和痛敏程度差异较大，并且同一用户的疼痛反馈可能会受个人主观情绪影响，往往难以确定用户的真实疼痛等级。

技术实现思路

[0004]本申请实施例提供了一种疼痛程度预测方法、装置、电子设备及可读存储介质，可以解决辨别用户的真实疼痛等级不准确的问题。
[0005]第一方面，本申请实施例提供了一种疼痛程度预测方法，包括：
[0006]获取用户面部图像及用户问卷结果；
[0007]将所述用户面部图像输入至已训练的疼痛程度分类模型，获得所述已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果；
[0008]将所述用户问卷结果及所述用户面部图像、所述分类结果输入至已训练的第一疼痛程度预测模型，获得所述已训练的第一疼痛程度预测模型输出的用户疼痛程度的预测结果。
[0009]可选的，所述获取用户面部图像及用户问卷结果之前，还包括：
[0010]获取用户受疼痛刺激时的疼痛面部图像和疼痛测量仪的测量结果；
[0011]根据所述测量结果标注所述疼痛面部图像，得到分类训练样本，所述分类训练样本包含所述疼痛面部图像及用于表征疼痛等级的标注结果；
[0012]利用所述分类训练样本训练疼痛程度分类模型，得到所述已训练的疼痛程度分类模型。
[0013]可选的，所述得到分类训练样本之后，还包括：
[0014]基于多个预存储的疼痛等级，对所述疼痛面部图像的人脸特征点进行聚类分割，得到每个疼痛等级对应的人脸关键点；
[0015]基于所述疼痛面部图像及所述人脸关键点，利用循环对抗生成神经网络生成伪面部样本图像；
[0016]基于所述伪面部样本图像和所述疼痛面部图像，生成面部图像样本集，所述面部图像样本集包括多个面部图像、每个面部图像对应的用于表征疼痛等级的标注结果及每个面部图像对应的人脸关键点；
[0017]利用所述面部图像样本集训练疼痛程度分类模型，得到所述已训练的疼痛程度分类模型。
[0018]可选的，所述获得所述已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果之后，还包括：
[0019]获取多个历史时间点的所述用户问卷结果及多个历史时间点的所述用户面部图像、所述分类结果；
[0020]将所述多个历史时间点的所述用户问卷结果及所述多个历史时间点的所述用户面部图像、所述分类结果输入至已训练的第二疼痛程度预测模型，获得所述已训练的第二疼痛程度预测模型输出的用户疼痛程度的预测结果。
[0021]可选的，所述获取多个历史时间点的所述用户问卷结果及多个历史时间点的所述用户面部图像、所述分类结果之前，还包括：
[0022]获取历史问卷结果样本及历史面部图像样本，所述历史问卷结果样本包括多个历史时间点的所述用户问卷结果，所述历史面部图像样本包括多个历史时间点的所述用户面部图像及所述分类结果；
[0023]利用所述历史问卷结果样本及所述历史面部图像样本训练所述第二疼痛程度预测模型，得到所述已训练的第二疼痛程度预测模型。
[0024]可选的，所述获取用户面部图像及用户问卷结果之后，还包括：
[0025]对所述用户面部图像进行图像预处理。
[0026]第二方面，本申请实施例提供了一种疼痛程度预测装置，包括：
[0027]获取单元，用于获取用户面部图像及用户问卷结果；
[0028]分类单元，用于将所述用户面部图像输入至已训练的疼痛程度分类模型，获得所述已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果；
[0029]预测单元，用于将所述用户问卷结果及所述用户面部图像、对应的所述分类结果输入至已训练的第一疼痛程度预测模型，获得所述已训练的第一疼痛程度预测模型输出的用户疼痛程度的预测结果。
[0030]可选的，所述装置还包括标注单元及训练单元；
[0031]所述获取单元，还用于获取用户受疼痛刺激时的疼痛面部图像和疼痛测量仪的测量结果；
[0032]所述标注单元，根据所述测量结果标注所述疼痛面部图像，得到分类训练样本，所述分类训练样本包含所述疼痛面部图像及用于表征疼痛等级的标注结果；
[0033]所述训练单元，用于利用所述分类训练样本训练疼痛程度分类模型，得到所述已训练的疼痛程度分类模型。
[0034]第三方面，本申请实施例提供了一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的方法。
[0035]第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的方法。
[0036]第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在电子
设备上运行时，使得电子设备执行上述第一方面中任一项所述的方法。
[0037]可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
[0038]本申请实施例与现有技术相比存在的有益效果是：
[0039]本申请实施例通过获取用户面部图像及用户问卷结果；将用户面部图像输入至已训练的疼痛程度分类模型，获得已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果；将用户问卷结果及用户面部图像、分类结果输入至已训练的第一疼痛程度预测模型，获得已训练的第一疼痛程度预测模型输出的用户疼痛程度的预测结果；已训练的疼痛程度分类模型以客观的用户面部图像对用户的疼痛程度进行分类，提供客观、量化的方式，能够客观、量化地获知用户疼痛程度；并且已训练的第一疼痛程度预测模型以客观的用户面部图像及主观的用户问卷结果对用户疼痛程度进行预测，能够基于更丰富、更完备的特征预测用户疼痛程度，提高预测精度及效率，从而快速、准确且可靠预测用户疼痛程度。
附图说明
[0040]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0041]图1是本申请一实施例提供的疼痛程度预测方法的第一种流程示意图；
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种疼痛程度预测方法，其特征在于，包括：获取用户面部图像及用户问卷结果；将所述用户面部图像输入至已训练的疼痛程度分类模型，获得所述已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果；将所述用户问卷结果及所述用户面部图像、所述分类结果输入至已训练的第一疼痛程度预测模型，获得所述已训练的第一疼痛程度预测模型输出的用户疼痛程度的预测结果。2.如权利要求1所述的方法，其特征在于，所述获取用户面部图像及用户问卷结果之前，还包括：获取用户受疼痛刺激时的疼痛面部图像和疼痛测量仪的测量结果；根据所述测量结果标注所述疼痛面部图像，得到分类训练样本，所述分类训练样本包含所述疼痛面部图像及用于表征疼痛等级的标注结果；利用所述分类训练样本训练疼痛程度分类模型，得到所述已训练的疼痛程度分类模型。3.如权利要求2所述的方法，其特征在于，所述得到分类训练样本之后，还包括：基于多个预存储的疼痛等级，对所述疼痛面部图像的人脸特征点进行聚类分割，得到每个疼痛等级对应的人脸关键点；基于所述疼痛面部图像及所述人脸关键点，利用循环对抗生成神经网络生成伪面部样本图像；基于所述伪面部样本图像和所述疼痛面部图像，生成面部图像样本集，所述面部图像样本集包括多个面部图像、每个面部图像对应的用于表征疼痛等级的标注结果及每个面部图像对应的人脸关键点；利用所述面部图像样本集训练疼痛程度分类模型，得到所述已训练的疼痛程度分类模型。4.如权利要求1所述的方法，其特征在于，所述获得所述已训练的疼痛程度分类模型输出的用户疼痛程度的分类结果之后，还包括：获取多个历史时间点的所述用户问卷结果及多个历史时间点的所述用户面部图像、所述分类结果；将所述多个历史时间点的所述用户问卷结果及所述多个历史时间点的所述用户面部图像、所述分类结果输入至已训练的第二疼痛程度预测模型，获得所述已训练的第二疼痛程度预测模型输出的用户疼痛程度的预测结果。5.如权利要求4所述的方法，其...

【专利技术属性】
技术研发人员：金华，胡耀晟，张咏琴，赵艳花，李鑫楠，薄云，彭蕾，陶大鹏，
申请(专利权)人：云南省第一人民医院，
类型：发明
国别省市：