申请/专利权人：中国人民解放军总医院第一医学中心

申请日：2023-09-12

公开（公告）日：2024-03-19

公开（公告）号：CN117122289B

主分类号：A61B5/00

分类号：A61B5/00;A61B5/0205;G06V40/16;G06V10/764;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.03.19#授权;2023.12.15#实质审查的生效;2023.11.28#公开

摘要：本申请的实施例公开了一种疼痛评定方法。该方法的一具体实施方式包括：采集目标用户的生理反馈信息，采集目标用户当前的至少一张面部图像；将生理反馈信息输入至生理疼痛识别模型中，得到生理疼痛识别结果；根据至少一个面部图像训练样本集，对初始面部图像疼痛分类模型进行模型训练，得到面部图像疼痛分类模型；将至少一张面部图像输入至面部图像疼痛分类模型中；根据至少一个面部图像疼痛分类结果，生成面部图像疼痛识别结果；基于生理疼痛识别结果与面部图像疼痛识别结果，生成用户疼痛识别结果。该实施方式可以从多个角度检测用户当前的疼痛等级，提高了疼痛等级检测的准确性。

主权项：1.一种疼痛评定方法，应用于穿戴设备，其特征在于，所述方法包括：响应于接收到目标用户输入的疼痛检测指令，采集所述目标用户的生理反馈信息，以及控制相关联的摄像装置采集所述目标用户当前的至少一张面部图像，其中，所述生理反馈信息包括：用户血压、用户体温与用户血氧；将所述生理反馈信息输入至预先训练的生理疼痛识别模型中，得到生理疼痛识别结果；获取疼痛标签集；对所述疼痛标签集进行语义分类，得到至少一个分类疼痛标签组；对于所述至少一个分类疼痛标签组中的每个分类疼痛标签组，将所述分类疼痛标签组发送至对应的数据标注端，以供所述数据标注端生成与所述分类疼痛标签组相对应的面部图像训练样本集；根据所得到的至少一个面部图像训练样本集，对初始面部图像疼痛分类模型进行模型训练，得到面部图像疼痛分类模型；将所述至少一张面部图像输入至所述面部图像疼痛分类模型中，得到至少一个面部图像疼痛分类结果；根据所述至少一个面部图像疼痛分类结果，生成面部图像疼痛识别结果；基于所述生理疼痛识别结果与所述面部图像疼痛识别结果，生成用户疼痛识别结果；响应于确定所述用户疼痛识别结果满足预约沟通条件，控制相关联的扬声器播放身体检测预约提示语音；在预设时长之后，获取所述目标用户对应的身体检测预约结果；响应于确定所述身体检测预约结果表示已与所述目标用户进行语音沟通，获取对应所述目标用户的语音沟通数据；对所述语音沟通数据进行语音分析，以生成第一沟通指标信息组；生成所述语音沟通数据对应的目标用户情绪预测信息；将所述第一沟通指标信息组和所述目标用户情绪预测信息发送至医生监测终端；其中，根据所得到的至少一个面部图像训练样本集，对初始面部图像疼痛分类模型进行模型训练，得到面部图像疼痛分类模型，包括：将上述目标面部图像训练样本包括的目标面部图像输入至图像特征提取模型，得到面部图像特征信息，其中，图像特征提取模型是模型还未训练结束的图像特征提取模型；利用上述初始面部图像疼痛分类模型，生成上述至少一个分类疼痛标签组中的每个分类疼痛标签组对应的疼痛标签特征信息组，得到至少一个疼痛标签特征信息组，其中，至少一个疼痛标签特征信息组中的疼痛标签特征信息与至少一个分类疼痛标签组中的分类疼痛标签一一对应，疼痛标签特征信息表征分类疼痛标签的标签内容的内容特征信息，基于第一注意力机制的初始编码网络是还未训练结束的编码模型，上述编码模型学习分类疼痛标签组中的各个分类疼痛标签对应语义之间的语义关系；利用上述初始面部图像疼痛分类模型，根据上述至少一个疼痛标签特征信息组和上述面部图像特征信息，生成分类损失信息，其中，分类损失信息表征面部图像特征信息对应的预测标签与目标面部图像训练样本对应面部图像的真实标签之间的差异信息；响应于确定上述分类损失信息满足预设条件，将上述初始面部图像疼痛分类模型确定为面部图像疼痛分类模型；其中，生成分类损失信息，包括：将上述至少一个疼痛标签特征信息组和上述面部图像特征信息输入至上述基于第二注意力机制的初始解码网络中，得到对应各个疼痛标签类别的分类结果，其中，基于第二注意力机制的初始解码网络是还未训练结束的解码模型，上述解码模型是学习至少一个分类疼痛标签组中各个分类疼痛标签之间的语义关系；基于上述目标面部图像训练样本包括的标签类别信息和上述分类结果，生成分类损失信息；其中，对上述语音沟通数据进行语音分析，以生成第一沟通指标信息组，包括：对上述语音沟通数据进行文本转换，得到语音沟通文本；根据上述语音沟通文本，生成针对预设沟通异常词语集的异常词语指标信息；根据上述语音沟通文本，生成针对预设负面词语集的负面词语指标信息；将上述异常词语指标信息与上述负面词语指标信息合并为第一沟通指标信息组；其中，生成所述语音沟通数据对应的目标用户情绪预测信息，包括：对上述语音沟通数据进行音频预处理，得到预处理语音数据；将上述预处理语音数据输入至预先训练的语音情绪预测模型，以生成目标用户情绪预测信息，其中，上述语音情绪预测模型包括：音频特征提取层、注意力机制层、卷积神经网络、双向长短期记忆网络与全连接网络，注意力机制层是基于语谱图时空注意力+卷积通道注意力的网络；其中，将上述预处理语音数据输入至预先训练的语音情绪预测模型，以生成目标用户情绪预测信息，包括：将上述预处理语音数据输入至上述音频特征提取层中，得到音频特征提取信息；将上述音频特征提取信息输入至上述注意力机制层，得到音频注意力特征信息；将上述音频注意力特征信息输入至上述卷积神经网络中，得到音频卷积特征信息；对上述音频卷积特征信息进行特征处理，得到特征处理信息；将上述特征处理信息输入至上述双向长短期记忆网络中，得到长短期记忆特征信息；将上述长短期记忆特征信息输入至上述全连接网络中，得到上述目标用户情绪预测信息。

全文数据：

权利要求：

百度查询： 中国人民解放军总医院第一医学中心 一种疼痛评定方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD