1.一种疼痛评估方法,其特征在于,包括:
采集用户在不同疼痛状态下对应的体征参数、人脸表情视频和肢体动作视频;
利用所述人脸表情视频和肢体动作视频基于深度神经网络进行训练,得到基于人脸特征的第一疼痛识别模型和基于肢体动作的第二疼痛识别模型;
利用待测用户的体征参数计算生理疼痛分数,将待测用户的所述人脸表情视频和肢体动作对应输入到第一疼痛识别模型、第二疼痛识别模型得到人脸疼痛分数与肢体疼痛分数;
根据预设权重系数计算各种疼痛分数的加权和得到待测用户的疼痛评估值。
2.根据权利要求1所述的疼痛评估方法,其特征在于,所述体征参数包括血氧饱和度与心率。
3.根据权利要求1所述的疼痛评估方法,其特征在于,所述疼痛状态包括平静状态、轻度疼痛状态、中度疼痛状态和重度疼痛状态,每种疼痛状态对应相应的疼痛分数。
4.根据权利要求1所述的疼痛评估方法,其特征在于,利用所述人脸表情视频和肢体动作视频基于深度神经网络进行训练,得到基于人脸特征的第一疼痛识别模型和基于肢体动作的第二疼痛识别模型的步骤,包括:
分别截取不同疼痛状态下的人脸表情视频和肢体动作视频,得到预处理后的各种样本的表情图像帧和肢体动作图像帧;
构建卷积神经网络和长短时记忆网络,并将卷积神经网络的输出端与长短时记忆网络的输入端相连接,由卷积神经网络和长短时记忆网络组建深度神经网络;
将各组样本表情图像帧以及分别所对应的疼痛状态作为第一训练集,将各组样本肢体动作图像帧以及分别所对应的疼痛状态作为第二训练集,利用深度神经网络针对第一、二训练集分别进行训练,获得基于人脸特征的第一疼痛识别模型和基于肢体动作的第二疼痛识别模型。
5.根据权利要求1所述的疼痛评估方法,其特征在于,所述利用待测用户的体征参数计算生理疼痛分数的步骤,包括:
根据不同疼痛状态下的体征参数计算各种体征参数的预设阈值,将待测用户的体征参数按其类型与预设阈值比较,计算各种类型的体征参数的生理疼痛分数。
6.根据权利要求1所述的疼痛评估方法,其特征在于,所述用户为新生婴儿。
7.根据权利要求1所述的疼痛评估方法,其特征在于,当待测用户为新生婴儿时,采集给予所述新生婴儿安抚动作后响应的人脸表情视频和肢体动作视频,计算所述新生婴儿安抚后的安抚性疼痛分数。
8.根据权利要求7所述的疼痛评估方法,其特征在于,当待测用户为新生婴儿时,根据预设权重系数计算所述生理疼痛分数、人脸疼痛分数、肢体疼痛分数和安抚性疼痛分数的加权和得到待测用户的疼痛评估值。
9.根据权利要求1所述的疼痛评估方法,其特征在于,所述预设权重系数与所述待测用户的疾病危重程度和疼痛类型相关联。
10.根据权利要求1所述的疼痛评估方法,其特征在于,还包括:根据待测用户计算的所述疼痛评估值与各个疼痛状态的预设阈值比较,评估待测用户的疼痛状态。
11.一种疼痛评估系统,其特征在于,包括:
样本采集模块,用于采集用户在不同疼痛状态下对应的体征参数、人脸表情视频和肢体动作视频;
模型构建模块,利用所述人脸表情视频和肢体动作视频基于深度神经网络进行训练,得到基于人脸特征的第一疼痛识别模型和基于肢体动作的第二疼痛识别模型;
疼痛检测模块,利用待测用户的体征参数计算生理疼痛分数,将待测用户的所述人脸表情视频和肢体动作对应输入到第一疼痛识别模型、第二疼痛识别模型得到人脸疼痛分数与肢体疼痛分数;
疼痛评估模块,用于根据预设权重系数计算各种疼痛分数的加权和得到待测用户的疼痛评估值。
12.根据权利要求11所述的疼痛评估系统,其特征在于,还包括:安抚性疼痛检测模块,用于当待测用户为新生婴儿时,采集给予所述新生婴儿安抚动作后响应的人脸表情视频和肢体动作视频,计算所述新生婴儿安抚后的安抚性疼痛分数。
13.根据权利要求12所述的疼痛评估方法,其特征在于,所述疼痛评估模块,用于当待测用户为新生婴儿时,根据预设权重系数计算所述生理疼痛分数、人脸疼痛分数、肢体疼痛分数和安抚性疼痛分数的加权和得到待测用户的疼痛评估值。
14.一种设备,其特征在于,所述设备包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行指令,所述一个或多个处理器执行所述执行指令使得所述电子设备执行如权利要求1~10任一项所述的疼痛评估方法。
15.一种存储介质,其特征在于,所述存储介质包括存储的程序,其中,所述程序在被调用执行时实现如权利要求1-10中任一所述的疼痛评估方法。