典型文献
基于多模态的贝叶斯网络疼痛识别方法
文献摘要：
有效的疼痛管理对病人的治疗和护理至关重要,针对传统的单模态疼痛识别准确度低的问题,提出了一种基于多模态的贝叶斯网络(multimodal Bayesian network,MMBN)疼痛识别方法.首先利用互信息对多模态特征进行相关性判断,剔除冗余的特征向量,使得模型简洁;其次将多模态特征与贝叶斯网络结构的可扩展性相结合设计了一种基于多模态的BN结构,并建立疼痛识别模型;最后利用BN概率推理算法完成疼痛识别,并在UNBC-McMaster数据库上进行验证.实验结果表明:与传统基于单模态的疼痛识别方法相比较,MMBN方法利用多模态之间的信息互补性能够有效地提高疼痛识别准确度,为目前的疼痛识别与研究提供了一种新手段.
文献关键词：
疼痛识别;多模态;贝叶斯网络(BN);互信息;BN推理
中图分类号：
作者姓名：
郭文强;赵艳;徐紫薇;肖秦琨
作者机构：
陕西科技大学电子信息与人工智能学院,西安710021;陕西科技大学电气与控制工程学院, 西安710021;西安工业大学电子信息工程学院, 西安710021
文献出处：
引用格式：
[1]郭文强;赵艳;徐紫薇;肖秦琨-.基于多模态的贝叶斯网络疼痛识别方法)[J].科学技术与工程,2022(28):12505-12511
A类：
疼痛识别,MMBN,UNBC
B类：
贝叶斯网络,疼痛管理,单模,multimodal,Bayesian,network,互信息,多模态特征,相关性判断,特征向量,可扩展性,结合设计,识别模型,概率推理,理算,McMaster,法利,信息互补,互补性,新手
AB值：
0.209501
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
