哈喽大家好～ 先自报家门，纯纯编程 + 医疗小白一枚，专业相关但实操经验几乎为零。这是我第一次尝试做完整的项目 ——多模态新生儿疼痛评估系统，开这个系列博客，纯粹是想记录自己从零到一的摸索过程。

全程我会借助 AI 辅助（毕竟小白实在顶不住），技术大佬轻喷，欢迎大家一起交流、指正，也希望给和我一样想尝试做项目的小白一点点参考～

一、 做这个项目的初衷：源于一份触动与思考

其实做这个项目的初衷很简单，没有什么高大上的 “技术突破” 野心，就是偶然了解到一个让我很触动的点：新生儿不会说话，他们的疼痛无法用语言表达，只能通过哭闹、面部表情传递，但很多时候，这种信号会被忽略、误判。

1. 临床现状的无奈

之前偶然看到过相关临床案例，让我印象特别深刻：

• 患儿处境：早产儿因反复穿刺的疼痛未被精准评估，出院后持续哭闹、睡眠障碍，甚至影响神经发育。
• 医护困境：依靠人工量表评估不仅耗时费力，还会因经验、情绪等主观因素出现误差，误判率达 35%-45%，早产儿漏诊率更超 50%。
• 资源鸿沟：现有高端疼痛监测设备动辄十几万，基层医院根本无力承担，导致大量新生儿的疼痛管理处于空白状态。

2. 萌生的想法

那一刻我就在想：能不能做一个低成本、易操作、精准识别新生儿疼痛的系统？ 既帮到这些 “不会说话的小天使”，也能减轻医护人员的负担。

虽然我是小白，很多技术都不懂，但我想试着去做。哪怕最后做出来的效果不够完美，也是一次实打实的成长。

二、 项目核心：什么是多模态新生儿疼痛评估系统？

可能有小白和我一开始一样，不清楚 “多模态” 的含义，先简单科普下：

多模态，简单说就是不只用一种方式识别。我计划结合 3 种核心模态，比单一图像识别更精准、更抗干扰：

1. 视觉模态：捕捉新生儿面部表情（如皱眉、挤眼、嘴型变化）。
2. 听觉模态：分析哭闹声音的频率、时长、音调特征。
3. 辅助模态：结合简单的文本记录（如护理时间、操作类型）进行交叉验证。

三、 我的现状：坦诚自己的 “小白” 属性

我必须坦诚地跟大家交代我的情况，避免误导：

• 技术基础：对 AI 算法、硬件采集、数据处理基本一知半解，只会最基础的编程知识。
• 学习策略：整个过程我会大量借助 AI 工具。不懂的概念让 AI 讲解，不会写的代码让 AI 生成后再逐行理解修改，数据标注也会用 AI 提高效率。
• 核心目标：不是为了炫技，而是为了实实在在地完成一个项目，并把这个过程完整记录下来。

四、 本系列博客的记录重点

开这个系列，我主要想记录这三件事：

1. 小白的真实成长史：记录每一个困惑、踩过的坑、学会的每一个小知识点，拒绝 “凡尔赛”。
2. AI 的实用辅助指南：具体拆解 AI 在项目中的应用 —— 怎么用 AI 学算法、生成代码、处理数据，不夸大，只讲真实。
3. 完整的项目拆解：从初衷、前期调研，到算法学习、硬件选型、系统搭建、测试优化，一步步推进，力求有迹可循。

五、 写在最后

我知道这个项目对我来说难度不小，未来可能会遇到无数次卡壳，最后做出来的系统也可能漏洞百出。但我不想半途而废。

这篇博客只是开篇，下一篇，我会详细记录项目前期的调研工作，比如梳理现有新生儿疼痛评估的方法、分析竞品情况，以及我对多模态系统的具体构想。

如果你也是零基础的小白，或者对这个项目感兴趣，欢迎持续关注～ 也请大佬们手下留情，有任何建议欢迎评论区留言，万分感谢！

小白上路，多多指教❤️