論文の概要: Facial Action Unit Detection on ICU Data for Pain Assessment

• arxiv url: http://arxiv.org/abs/2005.02121v1
• Date: Fri, 24 Apr 2020 17:12:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-10 03:08:35.991514
• Title: Facial Action Unit Detection on ICU Data for Pain Assessment
• Title（参考訳）: 痛み評価のためのicuデータに基づく顔行動単位検出
• Authors: Subhash Nerella, Azra Bihorac, Patrick Tighe, Parisa Rashidi
• Abstract要約: 現在の痛み評価方法は、患者の自己申告やICU看護師のような観察者に依存している。 そこで本研究では,実際のICUデータに基づく自動鎮痛評価システムの必要性について述べる。
• 参考スコア（独自算出の注目度）: 1.8352113484137622
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current day pain assessment methods rely on patient self-report or by an observer like the Intensive Care Unit (ICU) nurses. Patient self-report is subjective to the individual and suffers due to poor recall. Pain assessment by manual observation is limited by the number of administrations per day and staff workload. Previous studies showed the feasibility of automatic pain assessment by detecting Facial Action Units (AUs). Pain is observed to be associated with certain facial action units (AUs). This method of pain assessment can overcome the pitfalls of present-day pain assessment techniques. All the previous studies are limited to controlled environment data. In this study, we evaluated the performance of OpenFace an open-source facial behavior analysis tool and AU R-CNN on the real-world ICU data. Presence of assisted breathing devices, variable lighting of ICUs, patient orientation with respect to camera significantly affected the performance of the models, although these showed the state-of-the-art results in facial behavior analysis tasks. In this study, we show the need for automated pain assessment system which is trained on real-world ICU data for clinically acceptable pain assessment system.
• Abstract（参考訳）: 現在の痛み評価方法は、患者の自己報告や集中治療室(icu)看護師のような観察者に依存する。 患者の自己報告は個人にとって主観的であり、リコール不足のために苦しむ。 手動観察による痛みのアセスメントは、1日当たりの管理数とスタッフの作業量によって制限される。 顔面活動単位(aus)の検出による痛み自動評価の可能性について検討した。 痛みは特定の顔行動単位(AU)と関連している。 この痛み評価手法は、現在の痛み評価技術の落とし穴を克服することができる。 以前の研究はすべて、制御された環境データに限定されている。 本研究では,オープンソースの顔行動解析ツールOpenFaceと実世界ICUデータを用いたAU R-CNNの性能評価を行った。 呼吸補助装置の存在, ICUの可変照明, カメラに対する患者の向きは, モデルの性能に大きく影響した。 本研究では,実世界のicuデータに基づいて,臨床で許容される痛みアセスメントシステムのための自動痛覚評価システムの必要性を示す。

関連論文リスト

• Leveraging Computer Vision in the Intensive Care Unit (ICU) for Examining Visitation and Mobility [12.347067736902094]
  我々は、奥行き画像に基づく最先端の非侵襲型コンピュータビジョンシステムを活用し、ICU訪問と患者の移動性を特徴付ける。 患者視力低下と訪問の増加に伴うデリリウムの出現との関連を見いだした。 ICU患者に対する非侵襲的自律システムの有用性と可能性について検討した。
  論文  参考訳（メタデータ） (2024-03-10T21:43:47Z)
• Detecting Visual Cues in the Intensive Care Unit and Association with Patient Clinical Status [0.9867627975175174]
  ICUの既存の患者評価は散発的であり、手動で管理されている。 我々はデータ不均衡問題に対処する新しい「マスケッド損失計算」手法を開発した。 634,054フレームのAU推論を行い,顔面AUと臨床的に重要な患者状況との関連性について検討した。
  論文  参考訳（メタデータ） (2023-11-01T15:07:03Z)
• AI-Enhanced Intensive Care Unit: Revolutionizing Patient Care with Pervasive Sensing [2.7503982558916906]
  集中治療室 (ICU) は、重篤な患者が集中治療や監視を受ける特別な病院空間である。 包括的モニタリングは、患者の状態、特に明度、究極的にはケアの質を評価する上で必須である。 現在、表情、姿勢、移動といった細部を含む視力評価は散発的に捉えられるか、全く捉えられていない。
  論文  参考訳（メタデータ） (2023-03-11T00:25:55Z)
• Pain level and pain-related behaviour classification using GRU-based sparsely-connected RNNs [61.080598804629375]
  慢性的な痛みを持つ人は、特定の身体の動きを無意識に適応させ、怪我や追加の痛みから身を守る。 この相関関係を分析するための専用のベンチマークデータベースが存在しないため、日々の行動に影響を及ぼす可能性のある特定の状況の1つを検討した。 我々は、複数のオートエンコーダを組み込んだゲートリカレントユニット(GRU)と疎結合なリカレントニューラルネットワーク(s-RNN)のアンサンブルを提案した。 本手法は,痛みレベルと痛み関連行動の両方の分類において,最先端のアプローチよりも優れていることを示すいくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-12-20T12:56:28Z)
• Pain Detection in Masked Faces during Procedural Sedation [0.0]
  鎮静術を施行した患者のケアの質には痛みのモニタリングが不可欠である。 これまでの研究では、隠蔽された顔の痛みを検知するコンピュータビジョン法が実現可能であることが示されている。 本研究は, 介入放射線学部門において, 手術中の14例の顔から映像データを収集した。
  論文  参考訳（メタデータ） (2022-11-12T15:55:33Z)
• End-to-End Machine Learning Framework for Facial AU Detection in Intensive Care Units [3.8168092489216385]
  集中治療室に入院した患者には痛みがよく起こる。 現在の手動の観察に基づく痛み評価ツールは、投与される痛みの頻度によって制限され、観察者に主観的である。 我々は,動的ICU環境における顔行動分析を対象とする最大のデータセットであるPain-ICUデータセットを提案する。
  論文  参考訳（メタデータ） (2022-11-12T04:43:16Z)
• A Survey on Computer Vision based Human Analysis in the COVID-19 Era [58.79053747159797]
  新型コロナウイルスの出現は、社会全体だけでなく、個人の生活にも大きく影響している。 マスクやソーシャルディスタンシングの義務、公共空間での定期消毒、スクリーニングアプリケーションの使用など、さまざまな予防策が世界中で導入されている。 これらの発展は、(i)視覚データの自動解析による予防対策の支援、(ii)生体認証などの既存の視覚ベースのサービスの正常な操作を容易にする、新しいコンピュータビジョン技術の必要性を喚起した。
  論文  参考訳（メタデータ） (2022-11-07T17:20:39Z)
• Intelligent Sight and Sound: A Chronic Cancer Pain Dataset [74.77784420691937]
  本稿では,Intelligent Sight and Sound (ISS) 臨床試験の一環として収集された,最初の慢性ガン痛データセットを紹介する。 これまで収集されたデータは29の患者、509のスマートフォンビデオ、189,999のフレーム、そして自己報告された感情と活動の痛みのスコアから成っている。 静的画像とマルチモーダルデータを用いて、自己報告された痛みレベルを予測する。
  論文  参考訳（メタデータ） (2022-04-07T22:14:37Z)
• Predicting Patient Readmission Risk from Medical Text via Knowledge Graph Enhanced Multiview Graph Convolution [67.72545656557858]
  本稿では,電子健康記録の医用テキストを予測に用いる新しい手法を提案する。 外部知識グラフによって強化された多視点グラフを有する患者の退院サマリーを表現している。 実験により,本手法の有効性が証明され,最先端の性能が得られた。
  論文  参考訳（メタデータ） (2021-12-19T01:45:57Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• A Review of Computational Approaches for Evaluation of Rehabilitation Exercises [58.720142291102135]
  本稿では,モーションキャプチャシステムを用いたリハビリテーションプログラムにおける患者のパフォーマンスを評価するための計算手法についてレビューする。 エクササイズ評価のための再検討された計算手法は, 離散的な運動スコア, ルールベース, テンプレートベースアプローチの3つのカテゴリに分類される。
  論文  参考訳（メタデータ） (2020-02-29T22:18:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。