【技术实现步骤摘要】
本专利技术涉及疼痛评估。更具体地说，本专利技术涉及一种基于面部表情连续识别的疼痛评估系统。
技术介绍
1、基于目前疼痛评估领域的实践现状，主观性评价方法存在显著局限性。医护人员通常依赖患者自我报告或行为观察进行疼痛等级判定，但患者表达能力的个体差异严重影响评估准确性，尤其对儿童、失语患者或认知障碍人群而言，其疼痛描述往往模糊不清。而基于静态面部表情图片的识别技术虽能部分消除主观偏差，却无法反映疼痛的动态演进过程。疼痛作为一种随时间持续变化的生理体验，其面部肌肉活动具有时序演进特征，静态快照难以捕捉表情的连续性变化规律，导致评估结果与真实疼痛强度错位。
2、在动态表情识别领域，现有技术尚未解决自然过渡与实时交互的关键问题。部分研究尝试采用离散疼痛等级对应的视频片段进行展示，但表情帧之间缺乏生理合理的平滑过渡，突变式切换易引发患者认知混淆。更突出的缺陷在于播放系统缺乏实时响应机制：播放速度固定难以适配不同患者的感知能力，而疼痛标记依赖后期回放定位的方式导致时效性丧失。当患者试图在疼痛峰值时刻暂停画面时，系统响应延迟普遍超过500...
【技术保护点】
1.一种基于面部表情连续识别的疼痛评估系统，其特征在于，包括：
2.如权利要求1所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述人工智能生成模块包括：
3.如权利要求2所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述连续表情生成单元中，帧间表情单元变化量ΔAU的计算方法为：
4.如权利要求1所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述动态播放控制模块包括：
5.如权利要求1所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述疼痛定位模块包括：
6.如权利要求1所述的基于...
【技术特征摘要】
1.一种基于面部表情连续识别的疼痛评估系统，其特征在于，包括：
2.如权利要求1所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述人工智能生成模块包括：
3.如权利要求2所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述连续表情生成单元中，帧间表情单元变化量δau的计算方法为：
4.如权利要求1所述的基于面部表情连续识别的疼痛评估系统，其特征在于，所述动态播放控制模块包括：
5.如权利要求1所述的基于面部表情连续识别的...
【专利技术属性】
技术研发人员：王云，李慧莉，徐松超，马丹旭，郭瑞娟，朱欣艳，
申请(专利权)人：王云，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。