論文の概要: Automated facial recognition system using deep learning for pain
assessment in adults with cerebral palsy
- arxiv url: http://arxiv.org/abs/2401.12161v1
- Date: Mon, 22 Jan 2024 17:55:16 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 12:59:36.673411
- Title: Automated facial recognition system using deep learning for pain
assessment in adults with cerebral palsy
- Title（参考訳）: 深層学習を用いた成人大脳性麻痺の痛み評価のための自動顔認識システム
- Authors: \'Alvaro Sabater-G\'arriz, F. Xavier Gaya-Morey, Jos\'e Mar\'ia
Buades-Rubio, Cristina Manresa Yee, Pedro Montoya, Inmaculada Riquelme
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 0.5242869847419834
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: Pain assessment in individuals with neurological conditions,
especially those with limited self-report ability and altered facial
expressions, presents challenges. Existing measures, relying on direct
observation by caregivers, lack sensitivity and specificity. In cerebral palsy,
pain is a common comorbidity and a reliable evaluation protocol is crucial.
Thus, having an automatic system that recognizes facial expressions could be of
enormous help when diagnosing pain in this type of patient.
Objectives: 1) to build a dataset of facial pain expressions in individuals
with cerebral palsy, and 2) to develop an automated facial recognition system
based on deep learning for pain assessment addressed to this population.
Methods: Ten neural networks were trained on three pain image databases,
including the UNBC-McMaster Shoulder Pain Expression Archive Database, the
Multimodal Intensity Pain Dataset, and the Delaware Pain Database.
Additionally, a curated dataset (CPPAIN) was created, consisting of 109
preprocessed facial pain expression images from individuals with cerebral
palsy, categorized by two physiotherapists using the Facial Action Coding
System observational scale.
Results: InceptionV3 exhibited promising performance on the CP-PAIN dataset,
achieving an accuracy of 62.67% and an F1 score of 61.12%. Explainable
artificial intelligence techniques revealed consistent essential features for
pain identification across models.
Conclusion: This study demonstrates the potential of deep learning models for
robust pain detection in populations with neurological conditions and
communication disabilities. The creation of a larger dataset specific to
cerebral palsy would further enhance model accuracy, offering a valuable tool
for discerning subtle and idiosyncratic pain expressions. The insights gained
could extend to other complex neurological conditions.
- Abstract（参考訳）: 背景:神経疾患を有する人、特に自己報告能力や表情の変化が少ない人における痛みの評価は困難である。
介護者による直接観察に頼る既存の措置は、感度と特異性に欠ける。
脳性麻痺では、痛みは共通の共生であり、信頼性の高い評価プロトコルが不可欠である。
したがって、顔の表情を認識する自動システムを持つことは、このタイプの患者の痛みを診断する上で大きな助けとなる。
目的:
1)脳性麻痺者における顔面痛表情のデータセットの作成
2) この人口に対処する痛み評価のための深層学習に基づく自動顔認識システムの開発。
方法:10のニューラルネットワークは、UNBC-McMaster Shoulder Pain Expression Archive Database、Multimodal Intensity Pain Dataset、デラウェア痛データベースの3つの痛画像データベースでトレーニングされた。
さらに、脳性麻痺患者の顔面痛発現画像109枚を顔面行動符号化システム観測尺度を用いて2つの生理学療法士に分類し、キュレートデータセット(CPPAIN)を作成した。
結果: InceptionV3はCP-PAINデータセットで有望な性能を示し、精度は62.67%、F1スコアは61.12%であった。
説明可能な人工知能技術は、モデル間での痛みの識別に一貫した重要な特徴を明らかにした。
結論: 本研究は, 神経疾患とコミュニケーション障害を有する集団における強固な痛み検出のための深層学習モデルの可能性を示す。
脳性麻痺に特異的なより大きなデータセットの作成は、モデル精度をさらに高め、微妙で慣用的な痛み表現を識別するための貴重なツールを提供する。
得られた洞察は、他の複雑な神経学的条件にまで及ぶ可能性がある。
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) - 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) - 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) - 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) - 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) - Unobtrusive Pain Monitoring in Older Adults with Dementia using Pairwise
and Contrastive Training [3.7775543603998907]
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。
論文 参考訳（メタデータ） (2021-01-08T23:28:30Z) - Pain Assessment based on fNIRS using Bidirectional LSTMs [1.9654272166607836]
機能的近赤外分光法(fNIRS)と深層学習法(深層学習法)をヒトの痛み評価に用いる。
本研究の目的は、深層学習を用いてfNIRS生データから特徴を自動的に学習し、手作り特徴の設計に必要な主観性とドメイン知識のレベルを下げることである。
論文 参考訳（メタデータ） (2020-12-24T12:55:39Z) - Continuous Emotion Recognition with Spatiotemporal Convolutional Neural
Networks [82.54695985117783]
In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。
我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
論文 参考訳（メタデータ） (2020-11-18T13:42:05Z) - 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) - Continuous Emotion Recognition via Deep Convolutional Autoencoder and
Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。
ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。
表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文 参考訳（メタデータ） (2020-01-31T17:47:16Z) - Investigating the Impact of Inclusion in Face Recognition Training Data
on Individual Face Identification [93.5538147928669]
最新のオープンソースの顔認識システムであるArcFaceを、100万枚以上の散らばった画像を用いた大規模な顔識別実験で監査する。
モデルのトレーニングデータには79.71%、存在しない人には75.73%のランク1顔認証精度がある。
論文 参考訳（メタデータ） (2020-01-09T15:50:28Z)
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。