論文の概要: Unobtrusive Pain Monitoring in Older Adults with Dementia using Pairwise and Contrastive Training

• arxiv url: http://arxiv.org/abs/2101.03251v1
• Date: Fri, 8 Jan 2021 23:28:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-10 05:13:11.517088
• Title: Unobtrusive Pain Monitoring in Older Adults with Dementia using Pairwise and Contrastive Training
• Title（参考訳）: ペアワイズとコントラストトレーニングを用いた認知症高齢者の非閉塞性痛みモニタリング
• Authors: Siavash Rezaei, Abhishek Moturu, Shun Zhao, Kenneth M. Prkachin, Thomas Hadjistavropoulos, and Babak Taati
• Abstract要約: 高齢者では痛みが頻発するが、高齢者はしばしば痛みに対して過度に治療される。 これは、認知症を伴う認知障害のために痛みを報告できない中等度から重度の認知症を有する長期ケア居住者にとって特に当てはまります。 認知症コホートで検証された最初の完全自動化ビジョンベースの技術を紹介します。
• 参考スコア（独自算出の注目度）: 3.7775543603998907
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Although pain is frequent in old age, older adults are often undertreated for pain. This is especially the case for long-term care residents with moderate to severe dementia who cannot report their pain because of cognitive impairments that accompany dementia. Nursing staff acknowledge the challenges of effectively recognizing and managing pain in long-term care facilities due to lack of human resources and, sometimes, expertise to use validated pain assessment approaches on a regular basis. Vision-based ambient monitoring will allow for frequent automated assessments so care staff could be automatically notified when signs of pain are displayed. However, existing computer vision techniques for pain detection are not validated on faces of older adults or people with dementia, and this population is not represented in existing facial expression datasets of pain. We present the first fully automated vision-based technique validated on a dementia cohort. Our contributions are threefold. First, we develop a deep learning-based computer vision system for detecting painful facial expressions on a video dataset that is collected unobtrusively from older adult participants with and without dementia. Second, we introduce a pairwise comparative inference method that calibrates to each person and is sensitive to changes in facial expression while using training data more efficiently than sequence models. Third, we introduce a fast contrastive training method that improves cross-dataset performance. Our pain estimation model outperforms baselines by a wide margin, especially when evaluated on faces of people with dementia. Pre-trained model and demo code available at https://github.com/TaatiTeam/pain_detection_demo
• Abstract（参考訳）: 高齢では痛みが頻発するが、高齢者はしばしば痛みに対して過度に扱われる。 特に中等度から重度の認知症を伴う認知障害のため、痛みを訴えることができない介護者の場合が多い。 介護スタッフは、人材不足による介護施設の痛みを効果的に認識し管理することの課題を認識し、また、定期的に検証された痛みアセスメントアプローチを使用する専門知識を身につけている。 視覚に基づく環境モニタリングは、頻繁な自動評価を可能にするので、痛みの兆候が表示されると、ケアスタッフに自動的に通知できる。 しかし、既存のコンピュータビジョン技術では、高齢者や認知症患者の顔に痛みを検出することはできず、この人口は既存の痛みの表情データセットでは表現されない。 認知症コホートで検証された最初の完全自動化視覚ベース手法を提案する。 私たちの貢献は3倍です。 まず,認知症の有無に関わらず高齢者から不明瞭に収集されたビデオデータセット上で,痛みを伴う表情を検出する深層学習型コンピュータビジョンシステムを開発した。 第2に,ペアワイズ比較推定法について紹介し,シーケンスモデルよりもトレーニングデータを効率的に使用しながら,顔の表情変化に敏感であることを示す。 第3に,クロスデータセット性能を向上させる高速コントラストトレーニング手法を提案する。 特に認知症患者の顔評価では, 痛み推定モデルが基準値を上回る傾向がみられた。 事前トレーニングされたモデルとデモコードはhttps://github.com/taatiteam/pain_detection_demoで利用可能

関連論文リスト

• Automated facial recognition system using deep learning for pain assessment in adults with cerebral palsy [0.5242869847419834]
  既存の対策は、介護者による直接の観察に依存し、感度と特異性に欠ける。 10のニューラルネットワークが3つの痛み画像データベースでトレーニングされた。 InceptionV3はCP-PAINデータセット上で有望なパフォーマンスを示した。
  論文  参考訳（メタデータ） (2024-01-22T17:55:16Z)
• Pain Forecasting using Self-supervised Learning and Patient Phenotyping: An attempt to prevent Opioid Addiction [0.3749861135832073]
  シックル細胞病(Sickle Cell Disease)を治療するためには、将来の患者の痛みの軌跡を予測することが不可欠である。 主に患者の自己申告によって記録されるので,多くの痛み記録を入手して予測モデルを設計することは困難である。 本稿では、時系列データをクラスタリングするための自己教師付き学習手法を提案する。
  論文  参考訳（メタデータ） (2023-10-09T18:31:50Z)
• 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)
• 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)
• Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic Disorders [55.41644538483948]
  分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。 従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。 本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
  論文  参考訳（メタデータ） (2022-10-23T11:52:57Z)
• 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)
• LAE : Long-tailed Age Estimation [52.5745217752147]
  まず、簡単な標準ベースラインを定式化し、事前トレーニング、データ拡張、モデルアーキテクチャなどのトリックを収集することで、はるかに強力なベースラインを構築します。 標準ベースラインと比較して,提案手法は推定誤差を著しく低減する。 本稿では,Long-tailed Age Estimation (LAE) という2段階の学習手法を提案する。
  論文  参考訳（メタデータ） (2021-10-25T09:05:44Z)
• On the Robustness of Pretraining and Self-Supervision for a Deep Learning-based Analysis of Diabetic Retinopathy [70.71457102672545]
  糖尿病網膜症における訓練方法の違いによる影響を比較検討した。 本稿では,定量的性能,学習した特徴表現の統計,解釈可能性,画像歪みに対する頑健性など,さまざまな側面について検討する。 以上の結果から,ImageNet事前学習モデルでは,画像歪みに対する性能,一般化,堅牢性が著しく向上していることが示唆された。
  論文  参考訳（メタデータ） (2021-06-25T08:32:45Z)
• 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)
• Pain Intensity Estimation from Mobile Video Using 2D and 3D Facial Keypoints [1.6402428190800593]
  術後痛の管理は外科的治療の成功に不可欠である。 痛み管理の課題の1つは、患者の痛みレベルを正確に評価することである。 本稿では,術後患者の2Dおよび3D顔のキーポイントを分析し,痛み強度を推定するアプローチを提案する。
  論文  参考訳（メタデータ） (2020-06-17T00:18:29Z)
• EMOPAIN Challenge 2020: Multimodal Pain Evaluation from Facial and Bodily Expressions [10.48692251648146]
  EmoPain 2020 Challengeは、機械学習とマルチメディア処理の比較のための統一プラットフォームを構築することを目的とした、最初の国際コンペティションである。 本稿では,課題,競争ガイドライン,ベンチマーキングデータセット,ベースラインシステムのアーキテクチャと性能について述べる。
  論文  参考訳（メタデータ） (2020-01-21T19:09:08Z)

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。