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！

龙图腾网获悉怀化学院申请的专利一种新生儿疼痛程度动态识别方法、系统、设备及介质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：CN119379642B 。

龙图腾网通过国家知识产权局官网在2025-07-11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：202411469996.0，技术领域涉及：G06T7/00；该发明授权一种新生儿疼痛程度动态识别方法、系统、设备及介质是由林晶;米允龙;林丹禹;夏建华设计研发完成，并于2024-10-21向国家知识产权局提交的专利申请。

本一种新生儿疼痛程度动态识别方法、系统、设备及介质在说明书摘要公布了：本发明属于医学图像识别技术领域，并公开了一种新生儿疼痛程度动态识别方法、系统、设备及介质，包括：获取新生儿疼痛脸部表情图像数据集，构建新生儿疼痛程度动态识别模型，所述新生儿疼痛程度动态识别模型包括依次连接的特征提取器和疼痛分类器；基于所述新生儿疼痛脸部表情图像数据集对所述新生儿疼痛程度动态识别模型进行训练优化，得到优化后的新生儿疼痛程度动态识别模型；基于优化后的新生儿疼痛程度动态识别模型执行待识别新生儿脸部表情图像的疼痛程度识别。本发明所述技术方案充分利用所提取的脸部表情关键特征，能够在新生儿疼痛脸部图像数据流上能够取得较好疼痛程度评估结果。

本发明授权一种新生儿疼痛程度动态识别方法、系统、设备及介质在权利要求书中公布了：1.一种新生儿疼痛程度动态识别方法，其特征在于，包括： 获取新生儿疼痛脸部表情图像数据集，所述新生儿疼痛脸部表情图像数据集包括新生儿脸部表情图像及对应的疼痛程度标签； 构建新生儿疼痛程度动态识别模型，所述新生儿疼痛程度动态识别模型包括依次连接的特征提取器和疼痛分类器； 基于所述新生儿疼痛脸部表情图像数据集对所述新生儿疼痛程度动态识别模型进行训练优化，得到优化后的新生儿疼痛程度动态识别模型； 基于所述新生儿疼痛脸部表情图像数据集对所述新生儿疼痛程度动态识别模型进行训练优化，具体包括： 将所述新生儿疼痛脸部表情图像数据集输入所述特征提取器中进行提取，得到疼痛特征集，所述疼痛特征集包括疼痛表情关键特征及对应的疼痛程度标签； 基于预设划分规则将所述疼痛特征集划分为初始样本集和验证集，基于所述初始样本集构建概念空间，将所述验证集划分为若干并行的数据块，在各所述数据块上执行动态预测学习，将各所述数据块中的疼痛特征作为概念内涵，计算概念与概念空间的相似度，输出对应疼痛程度标签；在动态预测学习的过程中，基于新概念与概念空间中的各概念之间优劣程度对概念空间进行更新，完成新生儿疼痛程度动态识别模型的动态学习优化； 所述基于所述初始样本集构建概念空间，具体包括： 通过知识存储模块在疼痛特征集中随机抽取预设比例的样本作为初始样本集，将全部的疼痛特征集作为验证集； 将所述初始样本集中的特征样本在形式上用三元组表示概念，其中，所述疼痛特征集为概念内涵，新生儿脸部表情图像为概念外延，疼痛程度标签为目标类别名称； 基于转换的概念构建初始概念集，基于所述初始概念集，结合模糊聚类方法构建初始概念集上的初始概念空间，对所述初始概念空间进行压缩，得到压缩后的概念空间； 所述对所述初始概念空间进行压缩，具体包括： 步骤一：当所述初始概念空间中的概念数超过预设阈值时，执行概念空间的压缩； 步骤二：在初始概念空间中选择一个概念，若选择的概念为虚概念，则添加到压缩概念空间中； 步骤三：对于所述初始概念空间的真实概念，基于预设邻域范围计算当前真实概念与初始概念空间中剩余的真实概念的相似度； 若相似度超过预设相似度阈值，则添加到局部概念邻域中； 若相似度未超过预设相似度阈值，则加入压缩概念空间中； 步骤四：若局部概念邻域的大小达到预设阈值，则将局部概念邻域表示为一个虚概念，并加入到压缩概念空间中； 重复步骤二至步骤四，直至所有概念被访问，完成初始概念空间的压缩； 基于优化后的新生儿疼痛程度动态识别模型执行待识别新生儿脸部表情图像的疼痛程度识别。

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怀化学院，其通讯地址为：418000 湖南省怀化市鹤城区金海路138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”。