基于贝叶斯网络建模的疼痛评估研究

郭文强，赵 艳，张 栋，黄梓轩，侯勇严，肖秦琨，郭志高

(1.陕西科技大学 电子信息与人工智能学院，陕西 西安 710021;2.陕西科技大学 电气与控制工程学院，陕西 西安 710021；3.西安工业大学 电子信息工程学院，陕西 西安 710021)

0 引言

自动疼痛识别对那些不能用口头表达疼痛的人，如新生患病儿童、痴呆症患者、精神受损或重症监护中的病人等至关重要[1].若能及时利用这些患者的表情进行疼痛评估，便可以及时有效地辅助治疗.随着计算机视觉技术的发展，基于面部分析的疼痛表情识别技术成为了一个快速发展研究领域[2].然而，表情识别过程中因真实场景中光照的变化、个体的姿态及表情的夸张程度等复杂因素会对图像观测准确性带来不利影响.另外，由于目前医疗测试手段的局限性以及建模采用的知识表达具有不确定性，比如，测试手段的局限性会导致面部特征向量局部丢失；建模训练过程中疼痛程度与面部动作单元(Action Unit,AU)关系的复杂性和不唯一性，往往也会使知识表达不精确.因此，基于复杂、不确定性环境下的疼痛评估的建模和分析有着巨大的挑战.

针对不确定性问题的解决方法主要有模糊逻辑、DS 证据理论、粗糙集理论、贝叶斯网络等方法，但目前上述不确定性处理方法在疼痛评估中的应用未见报道.现有的围绕面部表情的疼痛评估研究主要有：文献[3]提出了一种利用卷积深度信念网络进行特征提取，然后采用支持向量机(Support Vector Machine，SVM)对基于面部……