論文の概要: Pain Detection in Masked Faces during Procedural Sedation
- arxiv url: http://arxiv.org/abs/2211.06694v1
- Date: Sat, 12 Nov 2022 15:55:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-15 16:48:12.719289
- Title: Pain Detection in Masked Faces during Procedural Sedation
- Title（参考訳）: 迷走神経鎮静時のマスク面の痛み検出
- Authors: Y. Zarghami, S. Mafeld, A. Conway, B. Taati
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Pain monitoring is essential to the quality of care for patients undergoing a
medical procedure with sedation. An automated mechanism for detecting pain
could improve sedation dose titration. Previous studies on facial pain
detection have shown the viability of computer vision methods in detecting pain
in unoccluded faces. However, the faces of patients undergoing procedures are
often partially occluded by medical devices and face masks. A previous
preliminary study on pain detection on artificially occluded faces has shown a
feasible approach to detect pain from a narrow band around the eyes. This study
has collected video data from masked faces of 14 patients undergoing procedures
in an interventional radiology department and has trained a deep learning model
using this dataset. The model was able to detect expressions of pain accurately
and, after causal temporal smoothing, achieved an average precision (AP) of
0.72 and an area under the receiver operating characteristic curve (AUC) of
0.82. These results outperform baseline models and show viability of computer
vision approaches for pain detection of masked faces during procedural
sedation. Cross-dataset performance is also examined when a model is trained on
a publicly available dataset and tested on the sedation videos. The ways in
which pain expressions differ in the two datasets are qualitatively examined.
- Abstract（参考訳）: 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。
痛みを検出するための自動メカニズムは鎮静用量滴定を改善することができる。
顔の痛み検出に関するこれまでの研究は、隠蔽された顔の痛みを検出するコンピュータビジョン法の生存可能性を示している。
しかし、手術中の患者の顔は、医療機器やマスクで部分的に遮られることが多い。
人工的に閉塞した顔の痛み検出に関する以前の予備的な研究は、目の周りの狭いバンドからの痛みを検出できるアプローチを示している。
本研究は,介入放射線科で手術中の14例のマスキング顔の映像データを収集し,このデータセットを用いて深層学習モデルを訓練した。
このモデルは痛みの表情を正確に検出することができ、因果的時間的平滑化の後、平均精度(AP)が0.72、受信機動作特性曲線(AUC)が0.82となった。
これらの結果はベースラインモデルよりも優れており、手続き鎮静中のマスク面の痛み検出におけるコンピュータビジョンアプローチの有効性を示す。
モデルが公開データセット上でトレーニングされ、鎮静ビデオ上でテストされた場合、データセット間のパフォーマンスも検査される。
痛み表現が2つのデータセットで異なる方法を定性的に検討する。
関連論文リスト
- OpticalDR: A Deep Optical Imaging Model for Privacy-Protective
Depression Recognition [66.91236298878383]
抑うつ認識(DR)は、特にプライバシー上の懸念の文脈において、大きな課題となる。
我々は,疾患関連特徴を保持しつつ,撮像した顔画像の識別情報を消去する新しいイメージングシステムを設計した。
正確なDRに必要な本態性疾患の特徴を保ちながら、アイデンティティ情報の回復には不可逆である。
論文 参考訳（メタデータ） (2024-02-29T01:20:29Z) - 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 Analysis using Adaptive Hierarchical Spatiotemporal Dynamic Imaging [16.146223377936035]
本稿では,適応時間動画像(Adaptive temporal Dynamic Image, AHDI)技術を紹介する。
AHDIは、顔ビデオの深い変化を特異なRGB画像にエンコードし、ビデオ表現のためのより単純な2Dモデルを実現する。
この枠組み内では、一般化された顔表現を導出するために残差ネットワークを用いる。
これらの表現は、痛みの強さを推定し、本物の痛み表現とシミュレートされた痛み表現を区別する2つのタスクに最適化される。
論文 参考訳（メタデータ） (2023-12-12T01:23:05Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - 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) - A Survey on Masked Facial Detection Methods and Datasets for Fighting
Against COVID-19 [64.88701052813462]
新型コロナウイルス感染症2019(COVID-19)は、感染拡大以来、世界にとって大きな課題となっている。
この病気と闘うために、一連の人工知能(AI)技術が開発され、現実世界のシナリオに適用される。
本稿では主に、マスク付き顔検出と関連するデータセットのAI技術に焦点を当てる。
論文 参考訳（メタデータ） (2022-01-13T03:28:20Z) - 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) - Facial Action Unit Detection on ICU Data for Pain Assessment [1.8352113484137622]
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。
論文 参考訳（メタデータ） (2020-04-24T17:12:56Z)
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。