从可穿戴数据进行个性化背景感知疼痛评估的合作学习
IEEE journal of biomedical and health informatics
|July 13, 2023
概括
本研究介绍了一种合作学习框架,以改进自动化疼痛评估. 它解决了数据限制和个体差异,使用可穿戴传感器数据实现了高效的疼痛预测.
科学领域:
- 生物医学工程 生物医学工程
- 人工智能的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 自动化疼痛评估方法显示出希望,但由于有限的注释数据集,缺乏性能概括.
- 当前的模型往往无法纳入用户交互或个人因素,阻碍了负责任的开发.
- 可穿戴传感器数据为客观疼痛测量提供了一个潜在的途径.
研究的目的:
- 开发一个有效的合作学习框架来评估疼痛.
- 为了克服疼痛研究中有限的注释数据所带来的挑战.
- 为了促进负责任的用户沟通,并考虑到疼痛评估模型中的个人差异.
主要方法:
- 利用一个合作学习框架,整合人类和机器智能.
- 从可穿戴设备收集的员工身体和肌肉运动数据.
- 专注于解决数据稀缺问题,并纳入个人变化.
主要成果:
- 拟议的框架在利用人类和机器学习方面表现出有效性.
- 使用可穿戴传感器数据实现了有效的学习和疼痛预测.
- 该框架在克服疼痛评估的数据限制方面表现有前途.
结论:
- 合作学习框架为数据稀缺的疼痛评估提供了有效的解决方案.
- 整合个体差异和负责任的用户沟通增强了模型开发.
- 穿戴式传感器数据与此框架相结合,可以改善自动化疼痛预测.


