使用深度学习的自动面部识别系统用于评估成人脑瘫患者的疼痛
计算机视觉与模式识别
2024-01-23 v1
摘要
背景：对神经系统疾病患者，尤其是那些自我报告能力有限且面部表情改变的患者进行疼痛评估存在挑战。现有措施依赖于护理人员的直接观察，缺乏敏感性和特异性。在脑瘫中，疼痛是一种常见的并发症，可靠的评估方案至关重要。因此，拥有一个能识别面部表情的自动系统，在诊断这类患者的疼痛时可能提供巨大帮助。目标：1）构建一个脑瘫患者面部疼痛表情数据集；2）开发一个基于深度学习的自动面部识别系统，用于针对该人群的疼痛评估。方法：在三个疼痛图像数据库上训练了十个神经网络，包括 UNBC-McMaster 肩痛表情档案数据库、多模态强度疼痛数据集和特拉华疼痛数据库。此外，还创建了一个精心整理的数据集（CPPAIN），该数据集包含 109 张来自脑瘫患者的预处理面部疼痛表情图像，并由两名物理治疗师使用面部动作编码系统观察量表进行分类。结果：InceptionV3 在 CP-PAIN 数据集上表现出有前景的性能，达到了 62.67% 的准确率和 61.12% 的 F1 分数。可解释人工智能技术揭示了不同模型在疼痛识别中一致的关键特征。结论：本研究证明了深度学习模型在具有神经系统疾病和沟通障碍的人群中进行稳健疼痛检测的潜力。创建一个针对脑瘫的更大规模数据集将进一步提高模型准确性，为辨别细微和特异的疼痛表情提供有价值的工具。获得的见解可以扩展到其他复杂的神经系统疾病。
引用
@article{arxiv.2401.12161,
title = {Automated facial recognition system using deep learning for pain assessment in adults with cerebral palsy},
author = {Álvaro Sabater-Gárriz and F. Xavier Gaya-Morey and José María Buades-Rubio and Cristina Manresa Yee and Pedro Montoya and Inmaculada Riquelme},
journal= {arXiv preprint arXiv:2401.12161},
year = {2024}
}