論文の概要: AuE-IPA: An AU Engagement Based Infant Pain Assessment Method
- arxiv url: http://arxiv.org/abs/2212.04764v1
- Date: Fri, 9 Dec 2022 10:41:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-12 15:48:08.974350
- Title: AuE-IPA: An AU Engagement Based Infant Pain Assessment Method
- Title（参考訳）: AuE-IPA:AUエンゲージメントに基づく乳幼児痛評価法
- Authors: Mingze Sun, Haoxiang Wang, Wei Yao, Jiawang Liu
- Abstract要約: 幼児期の痛みは、心理的問題、脳損傷の可能性、成人期の痛み感受性など、幼児の発達に重大な影響を及ぼす。
既存の乳幼児の痛み評価システムは、乳幼児の表情と成人の表情の違いを無視する成人の方法を直接適用している。
そこで本研究では,AuE-IPA法を用いて乳児の痛みを評価する手法を提案する。
- 参考スコア（独自算出の注目度）: 6.164525897414842
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent studies have found that pain in infancy has a significant impact on
infant development, including psychological problems, possible brain injury,
and pain sensitivity in adulthood. However, due to the lack of specialists and
the fact that infants are unable to express verbally their experience of pain,
it is difficult to assess infant pain. Most existing infant pain assessment
systems directly apply adult methods to infants ignoring the differences
between infant expressions and adult expressions. Meanwhile, as the study of
facial action coding system continues to advance, the use of action units (AUs)
opens up new possibilities for expression recognition and pain assessment. In
this paper, a novel AuE-IPA method is proposed for assessing infant pain by
leveraging different engagement levels of AUs. First, different engagement
levels of AUs in infant pain are revealed, by analyzing the class activation
map of an end-to-end pain assessment model. The intensities of top-engaged AUs
are then used in a regression model for achieving automatic infant pain
assessment. The model proposed is trained and experimented on YouTube
Immunization dataset, YouTube Blood Test dataset, and iCOPEVid dataset. The
experimental results show that our AuE-IPA method is more applicable to infants
and possesses stronger generalization ability than end-to-end assessment model
and the classic PSPI metric.
- Abstract（参考訳）: 近年の研究では、幼児期の痛みは、心理的問題、脳損傷の可能性、成人期の痛み感受性など、幼児の発達に大きな影響を与えることが示されている。
しかし, 専門医の欠如, 幼児の痛み経験を言葉で表現できないという事実から, 幼児の痛みを評価することは困難である。
既存の乳幼児の痛み評価システムは、乳幼児の表情と成人の表情の違いを無視する成人の方法を直接適用している。
一方で、顔動作符号化システムの研究が進むにつれて、アクションユニット(aus)の使用は、表情認識と痛み評価の新たな可能性を開く。
そこで本研究では,AuE-IPA法を用いて乳児の痛みを評価する手法を提案する。
第一に、幼児の痛みに対するAUの関与レベルを、エンドツーエンドの痛み評価モデルのクラスアクティベーションマップを分析して明らかにする。
次に, 乳幼児痛の自動評価を行うための回帰モデルにおいて, トップエンジメントAUの強度を利用する。
提案されたモデルは、youtube immunization dataset、youtube blood test dataset、icopevid datasetでトレーニングおよび実験されている。
実験の結果,AuE-IPA法は幼児に適応し,エンドツーエンド評価モデルや古典PSPI測定値よりも高い一般化能力を有することがわかった。
関連論文リスト
- Challenges in Video-Based Infant Action Recognition: A Critical
Examination of the State of the Art [9.327466428403916]
InfActPrimitive’という,5つの重要な幼児マイルストーンアクションカテゴリを含む,画期的なデータセットを紹介します。
近縁骨格に基づく行動認識モデルを用いた広範囲な比較分析を行う。
以上の結果から,PoseC3Dモデルでは約71%の精度で高い精度を達成できたが,残りのモデルでは乳幼児行動の動態を正確に把握することが困難であった。
論文 参考訳（メタデータ） (2023-11-21T02:36:47Z) - Screening Autism Spectrum Disorder in childrens using Deep Learning
Approach : Evaluating the classification model of YOLOv8 by comparing with
other models [0.0]
そこで本稿では,YoloV8モデルを用いた顔画像を用いたASDスクリーニングの実践的解決策を提案する。
分類の精度は89.64%、F1スコアは0.89。
論文 参考訳（メタデータ） (2023-06-25T18:02:01Z) - Predicting Adverse Neonatal Outcomes for Preterm Neonates with
Multi-Task Learning [51.487856868285995]
われわれはまず, 3つの不良新生児結果の相関関係を解析し, マルチタスク学習(MTL)問題として複数の新生児結果の診断を定式化する。
特に、MTLフレームワークは、共有された隠れレイヤと複数のタスク固有のブランチを含んでいる。
論文 参考訳（メタデータ） (2023-03-28T00:44:06Z) - Textual Data Augmentation for Patient Outcomes Prediction [67.72545656557858]
本稿では,患者の電子カルテに人工的な臨床ノートを作成するための新しいデータ拡張手法を提案する。
生成言語モデルGPT-2を微調整し、ラベル付きテキストを元のトレーニングデータで合成する。
今回,最も多い患者,すなわち30日間の寛解率について検討した。
論文 参考訳（メタデータ） (2022-11-13T01:07:23Z) - Adults as Augmentations for Children in Facial Emotion Recognition with
Contrastive Learning [1.0323063834827415]
本研究では,子どもの表情認識におけるデータ不足を克服するために,データ強化に基づくコントラスト学習の適用について検討した。
成人の表情画像と子どもの表情画像とを併用する方法について検討した。
論文 参考訳（メタデータ） (2022-02-10T17:43:11Z) - Semi-Supervised Variational Reasoning for Medical Dialogue Generation [70.838542865384]
医療対話生成には,患者の状態と医師の行動の2つの重要な特徴がある。
医療対話生成のためのエンドツーエンドの変分推論手法を提案する。
行動分類器と2つの推論検出器から構成される医師政策ネットワークは、拡張推論能力のために提案される。
論文 参考訳（メタデータ） (2021-05-13T04:14:35Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z) - Multimodal Spatio-Temporal Deep Learning Approach for Neonatal
Postoperative Pain Assessment [3.523040451502402]
新生児術後の痛みを評価するための現在の実践は、主観的、一貫性がなく、遅く、不連続である。
視覚信号と声信号を統合し,新生児術後の痛みを評価するための新しい多モーダル時間的アプローチを提案する。
論文 参考訳（メタデータ） (2020-12-03T18:52:35Z) - A Novel Transferability Attention Neural Network Model for EEG Emotion
Recognition [51.203579838210885]
脳波感情認識のための伝達型注目ニューラルネットワーク(TANN)を提案する。
TANNは、伝達可能な脳波領域のデータとサンプルを適応的に強調することにより、感情的な識別情報を学習する。
これは、複数の脳領域レベル判別器と1つのサンプルレベル判別器の出力を測定することで実現できる。
論文 参考訳（メタデータ） (2020-09-21T02:42:30Z) - Early Autism Spectrum Disorders Diagnosis Using Eye-Tracking Technology [62.997667081978825]
資金不足、資格のある専門家の欠如、そして修正方法に対する信頼度の低いことが、AMDのリアルタイム診断に影響を及ぼす主要な問題である。
我々のチームは、子どもの視線活動の情報に基づいて、ALDの確率を予測するアルゴリズムを開発した。
論文 参考訳（メタデータ） (2020-08-21T20:22:55Z) - Grading the severity of hypoxic-ischemic encephalopathy in newborn EEG
using a convolutional neural network [3.2498534294827044]
本研究では、深層畳み込みニューラルネットワークを用いて、生の脳波データ内の階層的表現を学習する、新しいエンドツーエンドアーキテクチャを提案する。
本システムは低酸素性虚血性脳症を4段階に分類し,54人の新生児から63時間の多チャンネル脳波データセットを用いて評価した。
論文 参考訳（メタデータ） (2020-05-12T05:58:27Z)
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。