基于压缩感知的新生儿疼痛表情识别方法研究

反复的疼痛刺激会对新生儿产生严重的不良影响。由于新生儿不能自述疼痛的感受，所以正确评估和积极处理新生儿疼痛具有重要的临床意义。在目前的新生儿疼痛评估工具中，"面部表情"被认为是最可靠的监测指标。本项目基于压缩感知理论开展新生儿疼痛表情识别方法的研究，主要包括：（1）建立新生儿疼痛表情图像库；（2）面向疼痛表情识别的压缩感知模型设计及参数优化；（3）样本图像的降维处理及基于冗余字典的稀疏表示；（4）鲁棒的疼痛表情识别算法。项目的创新之处在于整合新生儿疼痛评估、压缩感知、模式识别等理论，首次提出基于压缩感知的新生儿疼痛表情识别方法，以解决表情特征提取与选择、遮挡对识别率的影响问题。本课题的研究将丰富模式识别与机器学习理论，为新生儿疼痛的自动评估提供新的解决途径，其研究思想和方法对推动和促进人工智能、情感计算等学科的发展以及与生命学科的交叉融合具有重要的科学意义。

反复的疼痛刺激会对新生儿产生严重的不良影响。由于新生儿不能自述疼痛的感受，所以正确评估和积极处理新生儿疼痛具有重要的临床意义。本项目深入研究了基于压缩感知的新生儿疼痛表情识别方法，提出了多种新生儿面部表情特征提取和选择算法，完成了项目计划书上所要求的研究内容和各项目标。具体来说，本项目所取得的主要成果包括：.（1）针对国际上尚无一个公开的新生儿疼痛面部表情图像库，建立了一个有代表性的中国新生儿疼痛面部表情图像库，用作疼痛表情识别的训练和测试样本集，以便对提出的算法进行实验验证、性能测试和比较；.（2）在深入研究压缩感知基本理论的基础上，提出了采用正交匹配追踪的稀疏信号一致恢复充要条件，而现有参考文献中给出的所有条件只是充分条件，从而为压缩感知的具体应用奠定了坚实的基础；.（3）针对新生儿面部图像特征维数高的问题，提出了多种特征提取和降维算法，其中包括一种将Gabor小波变换与二维主成分分析（2D-PCA）相结合的特征提取和降维算法，一种基于二维近邻关系保持鉴别分析（2D-NPDA）的特征提取算法，一种基于正交等距映射（O-IsoProjection）的特征提取算法，一种基于不相关局部敏感鉴别分析（ULSDA）的特征提取算法，一种基于二维局部保持鉴别分析（2D-LPDA）的特征提取算法，一种基于分块的均匀局部二值模式（LBP）与主成分分析（PCA）相结合的特征提取和降维算法，一种基于Curvelet变换与Fisher鉴别分析相结合的特征提取和降维算法；.（4）深入研究了基于稀疏表示的分类方法（SRC）在新生儿疼痛表情识别上的应用，分析比较了梯度投影（GPSR）法、截断牛顿内点法（TNIPM）、正交匹配追踪（OMP）法、正则正交匹配追踪（ROMP）法、稀疏自适应匹配追踪（SAMP）法等不同稀疏解的求解方法在疼痛表情识别上的性能。.本项目的研究成果丰富了模式识别与机器学习理论，为新生儿疼痛的自动评估提供了新的解决途径。.