本发明属于人工智能和智能优化计算,尤其涉及一种基于多模态的被看护人员疼痛级别判定方法。
背景技术:
1、在智慧医疗背景下,医疗看护也走向智能化。借助物联网、云计算、大数据等信息技术,可以全面、准确地收集到被看护人员实时状态数据并进行实时动态医疗干预,对我国精准看护工作的开展具有极其重要的意义。其中,能够清晰判定和优化被看护人员的人员状态级别是精准看护的关键,尤其是是对于疼痛级别的判定。由于疼痛状态因人而异,其核心问题,就是利用多种高效的方法去实现精准判定。
2、疼痛表情识别是判定被看护人员是否疼痛的有效方法,其方法是通过识别涉及疼痛变化的面部特征点的变化来判断,一般采取与疼痛表情变化编码相对照来获得。但对于疼痛的级别判定,一般没有有效的方法。由此,借助疼痛表情变化编码来进行疼痛的级别判定值得进行探索。表面肌电疼痛识别也是判定被看护人员是否疼痛的常用方法,其信号指标的选取必须同时具有代表性和广泛性,判定是否疼痛一般采取统计差别显著性判断的方法。对于如何判定疼痛级别,目前表面肌电疼痛识别方法也没有简单实用的方法。同样,借助统计差别显著性判断来进行疼痛的级别判定也值得进行进一步发现。
3、被看护人员的疼痛强度很多时候是一种主观的感受,避免这种主观差异,除了对以上方法的精准计算并综合判定外,建立一种简单有效的分级预警和加入复杂的或者侵入式的传感器也可以减少这种差异,这可以依据医疗条件适当加持。
技术实现思路
1、鉴于上述问题,本发明的目的在于提供一种基于多模态的被看护人员疼痛级别判定方法,旨在解决现有方法无法合理判定被看护人员疼痛级别而针对性进行医疗干预的技术问题。
2、本发明采用如下技术方案:
3、一方面,所述基于多模态的被看护人员疼痛级别判定方法,包括下述步骤:
4、步骤s1、建立疼痛面部表情矩阵,根据矩阵计算被看护人员的面部疼痛级别;
5、步骤s2、计算被看护人员的时域表面肌电疼痛级别和频域表面肌电疼痛级别,得到表面肌电综合疼痛级别;
6、步骤s3、混合所述面部疼痛级别和表面肌电综合疼痛级别,得到被看护人员的最终疼痛级别。
7、进一步的,所述方法还包括下述步骤:
8、步骤s4、根据所述面部疼痛级别、表面肌电综合疼痛级别和最终疼痛级别,进行疼痛预警。
9、另一方面,基于多模态的被看护人员疼痛级别测试装置,用于接收表面肌电数据和人脸识别数据,输出当前被看护人员的最终疼痛级别,所述测试装置包括:
10、面部疼痛测试模块,用于建立疼痛面部表情矩阵,根据矩阵以及输入的人脸识别数据计算被看护人员的面部疼痛级别;
11、肌电疼痛测试模块,用于根据输入的表面肌电数据计算被看护人员的时域表面肌电疼痛级别和频域表面肌电疼痛级别,得到表面肌电综合疼痛级别;
12、混合测试模块,用于混合所述面部疼痛级别和表面肌电综合疼痛级别,得到被看护人员的最终疼痛级别。
13、进一步的,所述测试装置还包括下述步骤:
14、疼痛预警模块,用于根据所述面部疼痛级别、表面肌电综合疼痛级别和最终疼痛级别,进行疼痛预警。
15、本发明的有益效果是:本发明综合考虑了面部表情识别和时域频域的表面肌电信号来判断被看护人员的最终疼痛级别,同时优选方案中还可以进一步进行疼痛预警;本发明的疼痛级别判断方式合理,能够快速得到判断结果,在后续开发中,还可以进一步获得易于可视化理解的预警方案,实现促进及时采取医疗干预。本发明方案能够为具有疼痛症状的被看护人员的辅助医疗,提供更为节省人力物力的策略,为智慧医疗以及ai精准看护提供一种新的可选方案,具有广泛应用前景。
1.一种基于多模态的被看护人员疼痛级别判定方法,其特征在于,所述方法包括下述步骤:
2.如权利要求1所述基于多模态的被看护人员疼痛级别判定方法,其特征在于,所述方法还包括下述步骤:
3.如权利要求2所述基于多模态的被看护人员疼痛级别判定方法,所述步骤s1具体过程如下:
4.如权利要求3所述基于多模态的被看护人员疼痛级别判定方法,所述步骤s2具体过程如下:
5.如权利要求4所述基于多模态的被看护人员疼痛级别判定方法,所述步骤s3具体过程如下:
6.一种基于多模态的被看护人员疼痛级别测试装置,其特征在于,所述测试装置用于接收表面肌电数据和人脸识别数据,输出当前被看护人员的最终疼痛级别,所述测试装置包括:
7.如权利要求6所述基于多模态的被看护人员疼痛级别测试装置,其特征在于,所述测试装置还包括下述步骤: