利用基于时空深度学习的人脸表情方法改进疼痛分类
计算机视觉与模式识别
2025-02-27 v3 人工智能
摘要
疼痛管理和严重程度检测对于有效治疗至关重要，然而传统的自我报告方法具有主观性，可能不适用于非语言个体（表达能力受限的人）。为了解决这一局限性，我们探索了使用面部表情进行自动疼痛检测。我们的研究利用深度学习技术，通过分析来自 Pain Emotion Faces Database (PEMF) 的面部图像来改进疼痛评估。我们提出了两种新方法：(1) 结合 ConvNeXt 与 Long Short-Term Memory (LSTM) 块的混合模型，用于分析视频帧并预测疼痛是否存在；(2) 集成 LSTM 的时空图卷积网络 (STGCN)，用于处理面部图像中的特征点以进行疼痛检测。我们的工作首次将 PEMF 数据集用于二元疼痛分类，并通过大量实验证明了这些模型的有效性。结果突出了结合空间和时间特征以增强疼痛检测的潜力，为客观疼痛评估方法提供了一项有前景的进展。
引用
@article{arxiv.2501.06787,
title = {Improving Pain Classification using Spatio-Temporal Deep Learning Approaches with Facial Expressions},
author = {Aafaf Ridouan and Amine Bohi and Youssef Mourchid},
journal= {arXiv preprint arXiv:2501.06787},
year = {2025}
}
备注
8 pages, 3 figures, 3 tables. Accepted and presented at the 18th International Conference on Machine Vision (ICMV 2024), Edinburgh, UK