新生儿疼痛表情自动识别系统的研究进展

doi:10.3761/j.issn.0254-1769.2019.11.009

摘要/Abstract

摘要：

该文综述了新生儿疼痛表情数据库的建立、新生儿疼痛表情自动识别流程、新生儿疼痛表情自动识别系统的类型、疼痛表情识别系统的应用与不足,以期加强护士对新生儿疼痛表情识别系统的了解,为开展进一步研究提供参考依据。

关键词: 新生儿护理, 面部表情, 疼痛评估, 护理评估, 表情识别, 综述

Key words: Neonatal Nursing, Facial Expression, Pain Assessment, Nursing Assessment, Expression Recognition, Review

李梦婷, 陈朔晖. 新生儿疼痛表情自动识别系统的研究进展[J]. 中华护理杂志, 2019, 54(11): 1644-1647.

参考文献 40

[1]	王亚静, 李杨, 孙静 , 等. 新生儿重症监护病房患儿操作性疼痛现状调查[J]. 护理学杂志, 2019,34(11):20-23.
[2]	Orovec A, Disher T, Caddell K , et al. Assessment and management of procedural pain during the entire neonatal intensive care unit hospitalization[J]. Pain Manag Nurs, 2019.DOI: 10.1016/j.pmn.2018.11.016.
[3]	Walker SM . Translational studies identify long-term impact of prior neonatal pain experience[J]. Pain, 2017,158(4):S29-S42.
[4]	Watterberg KL, Cummings JJ, Benitz W E , et al. Prevention and management of procedural pain in the neonate:an update[J]. Pediatrics, 2016,137(2):e20154271-e20154283.
[5]	Boyle EM, Bradshaw J, Blake KI . Persistent pain in neonates:challenges in assessment without the aid of a clinical tool[J]. Acta Paediatr, 2018,107(1):63-67.
[6]	沈巧, 郑显兰, 林紫 , 等. 66家医疗机构儿童疼痛管理现状调查[J]. 中国护理管理, 2019,19(2):187-193.
[7]	Anand KJS, Eriksson M, Boyle EM , et al. Assessment of continuous pain in newborns admitted to NICUs in 18 European countries[J]. Acta Paediatr, 2017,106(8):1248-1259.
[8]	Pölkki T, Korhonen A, Laukkala H . Nurses’ perceptions of pain assessment and management practices in neonates:a cross-sectional survey[J]. Scand J Caring Sci, 2018,32(2):725-733.
[9]	Collados-Gómez L, Camacho-Vicente V, González-Villalba M , et al. Neonatal nurses’ perceptions of pain management[J]. Enferm Intensiva, 2018,29(1):41-47.
[10]	Zamzmi G, Kasturi R, Goldgof D , et al. A review of automated pain assessment in infants:features,classification tasks,and databases[J]. IEEE Rev Biomed Eng, 2018,11:77-96.
[11]	徐东娟, 王克芳 . 新生儿疼痛的评估工具[J]. 中华护理杂志, 2005,40(10):790-792.
[12]	Kappesser J, Kamper-Fuhrmann E, de Laffolie J , et al. Pain-specific reactions or indicators of a general stress response:investigating the discriminant validity of 5 well-established neo-natal pain assessment tools[J]. Clin J Pain, 2019,35(2):101-110.
[13]	Relland LM, Gehred A, Maitre NL . Behavioral and physiological signs for pain assessment in preterm and term neonates during a nociception-specific response:a systematic review[J]. Pediatr Neurol, 2019,90:13-23.
[14]	Kappesser J, de Laffolie J, Faas D , et al. Comparison of two neonatal pain assessment tools(children and infant’s postoperative pain scale and the neonatal facial coding system-revised)and their relations to clinicians’ intuitive pain estimates[J]. Eur J Pain, 2019,23(4):708-718.
[15]	Schiavenato M, Byers JF, Scovanner P , et al. Neonatal pain facial expression:evaluating the primal face of pain[J]. Pain, 2008,138(2):460-471.
[16]	Peters JW, Koot HM, Grunau RE , et al. Neonatal facial coding system for assessing postoperative pain in infants:item reduction is valid and feasible[J]. Clin J Pain, 2003,19(6):353-363.
[17]	Heiderich TM, Leslie AT, Guinsburg R . Neonatal procedural pain can be assessed by computer software that has good sensitivity and specificity to detect facial movements[J]. Acta Paediatr, 2015,104(2):e63-e69.
[18]	柳毅 . 基于卷积神经网络的新生儿疼痛表情识别方法研究[D]. 南京:南京邮电大学, 2018.
[19]	蔡飞 . 基于三维卷积神经网络的新生儿疼痛表情识别[D]. 南京:南京邮电大学, 2018.
[20]	Brahnam S, Chuang CF, Sexton RS , et al. Machine assessment of neonatal facial expressions of acute pain[J]. Decis Support Syst, 2007,43(4):1242-1254.
[21]	Brahnam S, Nanni L McMurtrey S , et al. Neonatal pain detection in videos using the iCOPEvid dataset and an ensemble of descriptors extracted from Gaussian of local descriptors[J]. Appl Comput Inform, 2019. DOI: 10.1016/j.aci.2019.05.003.
[22]	朱金朵 . 基于深度学习的新生儿疼痛表情识别[D]. 南京:南京邮电大学, 2018.
[23]	Zhi RC, Zamzmi GZD, Goldgof D , et al. Automatic infants’ pain assessment by dynamic facial representation:effects of profile view,gestational age,gender,and race[J]. J Clin Med, 2018,7(7):E173.
[24]	Naik T, Mcgregor C, James A . Automated partial premature infant pain profile scoring using big data analytics [C]//1st International IEEE Life-Science Conference,IUltimo,Australia, 2017: 246-249.
[25]	Parodi E, Melis D, Boulard L , et al. Automated newborn pain assessment framework using computer vision techniques [C]//International Conference on Bioinformatics Research and Applications,Barcelona,Spain, 2017: 31-36.
[26]	Brahnam S, Chuang CF, Shih FY , et al. Machine recognition and representation of neonatal facial displays of acute pain[J]. Artif Intell Med, 2006,36(3):211-222.
[27]	Nanni L, Brahnam S, Lumini A . A local approach based on a Local Binary Patterns variant texture descriptor for classifying pain states[J]. Expert Syst Appl, 2010,37(12):7888-7894.
[28]	李玉静 . 基于Gabor小波变换和LBP结合的新生儿疼痛表情识别研究[D]. 南京:南京邮电大学, 2014.
[29]	余益团 . 基于LBP-top特征的新生儿疼痛表情识别研究[D]. 南京:南京邮电大学, 2016.
[30]	Fotiadou E, Zinger S, Tjon A Ten WE , et al. Video-based facial discomfort analysis for infants[C]// Conference on Visual Information Processing and Communication V, San Francisco, CA, 2014:90290F-90290F-14.
[31]	Gholami B, Haddad WM, Tannenbaum AR . Relevance vector machine learning for neonate pain intensity assessment using digital imaging[J]. IEEE Trans Biomed Eng, 2010,57(6):1457-1466.
[32]	Zamzami G, Ruiz G, Goldgof D , et al. Pain assessment in infants:towarsds spotting pain expression based on infants’ facial strain [C]//11th IEEE International Conference and Work-shops on Automatic Face and Gesture Recognition(FG),Ljubljana,Slovenia, 2015: 1-5.
[33]	卢官明, 李晓南, 李海波 . 新生儿疼痛面部表情识别方法的研究[J]. 光学学报, 2008,28(11):2109-2114.
[34]	李旭 . 基于分块加权局部二值模式的新生儿疼痛表情识别[D]. 南京:南京邮电大学, 2014.
[35]	卢官明, 石婉婉, 李旭 , 等. 基于LBP特征和稀疏表示的新生儿疼痛表情识别[J]. 南京邮电大学学报(自然科学版), 2015,35(1):19-25.
[36]	刘陶鸿 . 基于视频序列的新生儿疼痛表情识别系统的研究[D]. 南京:南京邮电大学, 2016.
[37]	Sun Y, Shan C, Tan T . Video-based discomfort detection for infants[J]. Mach Vision Appl, 2019,30(5):933-944.
[38]	彭进业, 杨瑞靖, 冯晓毅 , 等. 人脸疼痛表情识别综述[J]. 数据采集与处理, 2016,31(1):43-55.
[39]	谢萍, 周慧勤, 张灿 , 等. 全程模块化智能护理评估系统的应用与效果评价[J]. 中华护理杂志, 2017,52(7):863-866.
[40]	刘晓娜, 潘红英 . 护理决策支持系统的应用进展[J]. 中华护理杂志, 2018,53(6):735-739.

新生儿疼痛表情自动识别系统的研究进展

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献 40

相关文章 15

编辑推荐

Metrics

[1]	黄盼盼, 李丽玲, 胡晓静. 先天性心脏病婴儿早期运动康复的研究进展[J]. 中华护理杂志, 2025, 60(9): 1050-1055.
[2]	冉凌霄, 王东敏, 许珂, 王聪, 曹华, 寸薇, 蒋艳. 基于人体三维模型的生物力学仿真在压力性损伤预防中应用的范围综述[J]. 中华护理杂志, 2025, 60(8): 1012-1018.
[3]	靳雨佳, 江湖, 王晓萱, 易景娜, 梅永霞, 郭芝廷, 张振香, 林蓓蕾. 信息化风险沟通在心血管疾病一级预防中应用的范围综述[J]. 中华护理杂志, 2025, 60(8): 1019-1025.
[4]	冯伟清, 陈研博, 蔡洹, 阮嘉慧, 何秀娴, 李琨. 卒中后疲劳纵向研究的范围综述[J]. 中华护理杂志, 2025, 60(7): 799-805.
[5]	周楠, 智诗涵, 王萌, 张惠, 张丽红, 罗茂语, 何瑛, 顾炜. 性功能障碍干预在宫颈癌患者中应用的范围综述及护理启示[J]. 中华护理杂志, 2025, 60(7): 890-897.
[6]	黄真真, 隋伟静, 董婧, 张君如, 张楚楚, 周泓廷, 张佳宇, 张娜, 庄一渝. 眼动追踪在ICU言语不能患者中应用的范围综述[J]. 中华护理杂志, 2025, 60(6): 757-763.
[7]	李海娇, 魏栋帅, 王锐炎, 刘荣勋, 张超峰, 贾杰, 位彦鸽. 音乐干预在精神疾病患者康复护理中的应用进展[J]. 中华护理杂志, 2025, 60(6): 764-768.
[8]	田思颖, 常红. 即时适配干预在慢性病患者久坐与身体活动中应用的研究进展[J]. 中华护理杂志, 2025, 60(5): 619-623.
[9]	梁轶岚, 姜伟, 何小爽, 王婷, 吕亚旎. 症状科学模型在慢性肾脏疾病患者中的研究进展及护理启示[J]. 中华护理杂志, 2025, 60(5): 624-628.
[10]	伍慧霞, 成彗芳, 黄珊珊, 黄远思, 刘翔宇. 视觉技术在慢性病患者负性情绪评估中的应用进展[J]. 中华护理杂志, 2025, 60(5): 635-641.
[11]	任雅钰, 高春华, 卢芳燕, 郑力, 王华芬. 虚拟现实技术在癌症患者心理干预中应用的范围综述[J]. 中华护理杂志, 2025, 60(4): 486-492.
[12]	荆舒, 戴振威, 苏小游, 李峥. 群医学理念在护理实践中的应用及启示[J]. 中华护理杂志, 2025, 60(4): 493-498.
[13]	卓红霞, 雷雨洁, 欧阳斌, 许景灿, 彭淑怡, 韩辉武. 糖尿病患者糖代谢指标潜类别轨迹分析的范围综述[J]. 中华护理杂志, 2025, 60(4): 499-506.
[14]	孙旭, 周智聪, 夏雨, 安晓, 杨滕, 仝紫薇, 王红. 智慧医疗在肝移植患者延续性管理中应用的范围综述[J]. 中华护理杂志, 2025, 60(4): 507-513.
[15]	张雪, 蔡燕, 王聪, 蒋艳. 认知-运动双任务训练在预防老年人跌倒中的研究进展[J]. 中华护理杂志, 2025, 60(3): 297-302.