AuE-IPA：一种基于 AU 参与度的婴儿疼痛评估方法
机器学习
2022-12-12 v1
摘要
近期研究发现，婴儿期疼痛对婴儿发育有显著影响，包括心理问题、可能的脑损伤以及成年期疼痛敏感性。然而，由于缺乏专科医生且婴儿无法用言语表达其疼痛体验，婴儿疼痛评估十分困难。多数现有婴儿疼痛评估系统直接将成人方法套用于婴儿，忽视了婴儿与成人表情的差异。同时，随着面部动作编码系统的研究不断推进，动作单元（AUs）的使用为表情识别与疼痛评估开辟了新可能。本文提出一种新颖的 AuE-IPA 方法，通过利用 AUs 的不同参与度来评估婴儿疼痛。首先，通过端到端疼痛评估模型的类激活图分析，揭示了婴儿疼痛中 AUs 的不同参与度水平。随后，将高参与度 AUs 的强度用于回归模型以实现自动婴儿疼痛评估。所提模型在 YouTube Immunization 数据集、YouTube Blood Test 数据集和 iCOPEVid 数据集上训练与实验。实验结果表明，我们的 AuE-IPA 方法比端到端评估模型与经典 PSPI 指标更适用于婴儿，且具备更强的泛化能力。
引用
@article{arxiv.2212.04764,
title = {AuE-IPA: An AU Engagement Based Infant Pain Assessment Method},
author = {Mingze Sun and Haoxiang Wang and Wei Yao and Jiawang Liu},
journal= {arXiv preprint arXiv:2212.04764},
year = {2022}
}