程序性镇静中遮挡面部下的疼痛检测
计算机视觉与模式识别
2022-11-15 v1 机器学习
摘要
疼痛监测对于接受镇静医疗操作患者的护理质量至关重要。自动化的疼痛检测机制可改善镇静剂量的滴定。先前关于面部疼痛检测的研究已表明计算机视觉方法在检测无遮挡面部疼痛方面的可行性。然而，接受操作的患者面部常被医疗设备和口罩部分遮挡。先前一项关于人工遮挡面部疼痛检测的初步研究提出了一种从眼周窄带区域检测疼痛的可行方法。本研究收集了介入放射科 14 名操作患者的口罩遮挡面部视频数据，并利用该数据集训练了一个深度学习模型。该模型能够准确检测疼痛表情，经因果时间平滑后，平均精度（AP）达到 0.72，受试者工作特征曲线下面积（AUC）达到 0.82。这些结果优于基线模型，并显示了计算机视觉方法在程序性镇静中口罩遮挡面部疼痛检测的可行性。当模型在公开数据集上训练并用于镇静视频测试时，还考察了跨数据集性能。定性地探讨了两个数据集中疼痛表情的差异。
引用
@article{arxiv.2211.06694,
title = {Pain Detection in Masked Faces during Procedural Sedation},
author = {Y. Zarghami and S. Mafeld and A. Conway and B. Taati},
journal= {arXiv preprint arXiv:2211.06694},
year = {2022}
}
备注
Accepted for presentation at the FG2023 workshop on Artificial Intelligence for Automated Human Health-care and Monitoring: 6 pages, 10 figures