买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉南京邮电大学申请的专利基于肢体动作特征的住院新生儿疼痛评估方法及系统获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120148116B 。

龙图腾网通过国家知识产权局官网在2025-11-04发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510298286.4，技术领域涉及：G06V40/20；该发明授权基于肢体动作特征的住院新生儿疼痛评估方法及系统是由卢峻禾;卢官明;陈银花设计研发完成，并于2025-03-13向国家知识产权局提交的专利申请。

本基于肢体动作特征的住院新生儿疼痛评估方法及系统在说明书摘要公布了：本发明公开了基于肢体动作特征的住院新生儿疼痛评估方法及系统，涉及机器学习和模式识别技术领域，包括：获取新生儿视频，将新生儿视频分割成视频片段序列，将每个视频片段中的每帧图像进行预处理操作，得到新生儿疼痛视频片段，对新生儿疼痛视频片段进行疼痛类别标注，构建新生儿疼痛视频样本集；使用新生儿疼痛视频样本集内的样本对预先建立的新生儿疼痛分类模型进行训练，得到训练后的新生儿疼痛分类模型，其中，所述预先建立的新生儿疼痛分类模型的处理过程包括视频预处理、第一支路特征提取、第二支路特征提取、多尺度卷积注意力操作、特征融合和分类；获取测试视频，将测试视频输入至训练后的新生儿疼痛分类模型内，得到新生儿疼痛分类评估结果。

本发明授权基于肢体动作特征的住院新生儿疼痛评估方法及系统在权利要求书中公布了：1.基于肢体动作特征的住院新生儿疼痛评估方法，其特征在于，方法包括以下步骤： 获取新生儿视频，将新生儿视频分割成视频片段序列，将每个视频片段中的每帧图像进行预处理操作，得到新生儿疼痛视频片段，对新生儿疼痛视频片段进行疼痛类别标注，构建新生儿疼痛视频样本集； 所述视频预处理的操作过程如下： 将输入的新生儿视频分割成视频片段序列，并对每个视频片段中的每帧图像进行人体检测、裁剪、对齐和归一化操作，得到长度为T帧的新生儿疼痛视频片段，其中，、分别为人体图像的高和宽，T为每个视频片段的帧数； 使用新生儿疼痛视频样本集内的样本对预先建立的新生儿疼痛分类模型进行训练，得到训练后的新生儿疼痛分类模型，其中，所述预先建立的新生儿疼痛分类模型的处理过程包括视频预处理、第一支路特征提取、第二支路特征提取、多尺度卷积注意力操作、特征融合和分类； 将新生儿疼痛视频片段输入至预先建立的第一支路特征提取模块和第二支路特征提取模块内进行特征提取； 其中，第一支路特征提取模块块由抽帧模块和深度卷积神经网络Net1构成，其中，抽帧模块对视频预处理模块输出的新生儿疼痛视频片段每隔帧抽取一帧，降低视频的帧率，表示抽帧系数；深度卷积神经网络Net1用于提取抽帧后的低帧率视频片段的新生儿肢体动作特征；将Net1提取的特征分为N个层次输出，其中，第个层次特征表示为，表示特征层次的序号，，表示第个层次特征图的高，表示第个层次特征图的宽，表示Net1输出的第个层次特征的通道数； 第二支路特征提取模块由深度卷积神经网络Net2构成，用于提取视频预处理模块输出的高帧率视频片段的新生儿肢体动作特征；将Net2提取的特征分为N个层次输出，其中，第个层次特征表示为，表示特征层次的序号，，表示第个层次特征图的高，表示第个层次特征图的宽，表示Net2输出的第个层次特征的通道数；令，表示通道缩放比； 所述Net1输出的第个层次特征和Net2输出的第个层次特征通过N个多尺度卷积注意力模块中的第个多尺度卷积注意力模块引入多尺度卷积注意力操作，输出聚焦肢体动作的多尺度特征张量； 所述第个多尺度卷积注意力模块的操作过程如下： 将Net1输出的第个层次特征和Net2输出的第个层次特征在通道维度上进行拼接，得到特征张量，运用多尺度卷积注意力机制得到特征张量的注意力权重为： 其中，表示激活函数，表示卷积核为的逐点卷积，是深度可分离卷积的个数，表示第个深度可分离卷积，每个深度可分离卷积采用带状卷积核为、和的深度卷积； 将注意力权重逐通道与特征张量相乘，并经过卷积核为的逐点卷积处理，输出多尺度特征张量为： 其中，表示卷积核为的逐点卷积； 获取测试视频，将测试视频输入至训练后的新生儿疼痛分类模型内，得到新生儿疼痛分类评估结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人南京邮电大学，其通讯地址为：210003 江苏省南京市鼓楼区新模范马路66号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。