从扩展的面部代码到基于视频的癌症患者疼痛识别的二进制分类器模型的开发

科学领域:

• 医疗信息学 医疗信息学
• 生物医学工程 生物医学工程
• 疼痛管理 疼痛管理

背景情况:

• 自动疼痛评估 (APA) 寻求客观方法来评估疼痛的严重程度.
• 面部表情是APA的关键指标,提供可观察到的与疼痛相关的特征.

研究的目的:

• 使用视频分析构建一个二进制分类器模型,以区分疼痛的存在和不存在.
• 评估面部行动单元 (AU) 在自动癌症疼痛检测中的有效性.

主要方法:

• 在两分钟的采访中,利用了癌症患者的录像.
• 使用OpenFace工具包提取了17个面部行动单位 (AU).
• 在80%的数据上训练了一种双密层神经网络分类器,其中20%用于验证.

主要成果:

• 该分类器的准确度约为94%.
• 在ROC曲线下的面积 (AUROC) 达到了大约0.98,表明了高的区分能力.

结论:

• 使用选定的AU的二进制分类器模型对于评估癌症疼痛是有效的.
• APA分类器可以帮助检测疼痛波动,未来的研究重点是多参数集成.