利用自适应分层时空动态图像进行疼痛分析
计算机视觉与模式识别
2023-12-13 v1
摘要
自动疼痛强度估计在医疗保健和医学领域发挥着关键作用。尽管已经开发了许多利用行为或生理指标来评估人类疼痛的方法，但面部表情已成为实现这一目的的突出工具。然而，这些技术对标注数据的依赖往往使其既昂贵又耗时。为了解决这一问题，我们引入了自适应分层时空动态图像 (AHDI) 技术。AHDI 将面部视频中的时空变化编码为单张 RGB 图像，从而允许将更简单的 2D 深度模型应用于视频表示。在此框架内，我们采用残差网络来提取广义面部表示。这些表示针对两项任务进行了优化：估计疼痛强度和区分真实与模拟的疼痛表情。对于前者，使用提取的表示训练回归模型；对于后者，使用二分类器来识别真实与伪装的疼痛表现。在两个广泛使用的疼痛数据集上测试了我们的方法，我们在两项任务中都观察到了令人鼓舞的结果。在 UNBC 数据库上，我们实现了 0.27 的 MSE，优于 MSE 为 0.40 的 SOTA。在 BioVid 数据集上，我们的模型达到了 89.76% 的准确率，比 SOTA 准确率提高了 5.37%。最值得注意的是，在区分真实与模拟疼痛方面，我们的准确率达到 94.03%，大幅提升了 8.98%。我们的方法不仅最大限度地减少了对大量标注数据的需求，还提高了疼痛评估的精度，从而促进了更好的疼痛管理。
引用
@article{arxiv.2312.06920,
title = {Pain Analysis using Adaptive Hierarchical Spatiotemporal Dynamic Imaging},
author = {Issam Serraoui and Eric Granger and Abdenour Hadid and Abdelmalik Taleb-Ahmed},
journal= {arXiv preprint arXiv:2312.06920},
year = {2023}
}