PainFormer：面向自动疼痛评估的视觉基础模型
计算机视觉与模式识别
2025-10-10 v6
摘要
疼痛是一种影响广大人群的多维疼痛状况。准确可靠的疼痛评估对于开发有效且先进的疼痛管理方案至关重要。自动疼痛评估系统提供持续监控并支持决策过程，最终旨在缓解痛苦并防止功能衰退。本研究引入 PainFormer，一种基于多任务学习原理的视觉基础模型，同时在 14 个任务/数据集上进行训练，总计 1090 万样本。作为嵌入提取器，用于处理各种输入模态，基础模型为 Embedding-Mixer 提供特征表示，后者是一个基于变换器的模块，用于执行最终的疼痛评估。大量实验采用行为模态——包括 RGB、合成热成像和估计深度视频——以及生理模态如 ECG、EMG、GSR 和 fNIRS，表明 PainFormer 能有效地从多种输入模态中提取高质量的嵌入。该框架在 BioVid 和 AI4Pain 两个疼痛数据集上进行评估，并与文献中记录的 75 种不同方法进行直接比较。在单模态和多模态设置下的实验显示，PainFormer 在各个模态上实现了最先进的性能，为通用自动疼痛评估模型铺平了道路。该基础模型的架构（代码）和权重均已公开：https://github.com/GkikasStefanos/PainFormer。
关键词
引用
@article{arxiv.2505.01571,
title = {PainFormer: a Vision Foundation Model for Automatic Pain Assessment},
author = {Stefanos Gkikas and Raul Fernandez Rojas and Manolis Tsiknakis},
journal= {arXiv preprint arXiv:2505.01571},
year = {2025}
}