根据改进的ResNet50网络,对患有关节骨折的老年人疼痛表达图像进行分类
Yang Shuang1, Gong Liangbo2, Zhao Huiwen3
1The 2nd Ward of Hip Joint Surgery, Tianjin Hospital, Tianjin, China.
Frontiers in medicine
|July 16, 2024
概括
改进的ResNet50网络准确地分类了老年关节骨折患者的疼痛表达. 这种深度学习模型实现了超过98%的准确性,有助于疼痛评估.
科学领域:
- 人工智能的人工智能
- 老年医学 老年医学
- 医疗成像医学成像
背景情况:
- 评估患有关节骨折的老年患者的疼痛是具有挑战性的.
- 识别客观的疼痛表达对于有效的疼痛管理至关重要.
研究的目的:
- 开发一个改进的ResNet50网络,用于在患有关节骨折的老年患者中自动分类疼痛表达.
- 评估开发模型的准确性和有效性.
主要方法:
- 使用多任务级联卷积神经网络 (MTCNN) 创建了一个数据集,用于图像识别.
- 转移学习应用于ResNet50网络框架.
- 使用贝叶斯优化优化了超参数.
- 在临床医生视觉模拟尺度得分和疼痛表达评估助理 (PEEA) 之间计算了类内相关性.
主要成果:
- 自动疼痛表情识别模型的准确性很高:在训练组中达到99.6%,在验证组中达到98.7%,在测试组中达到98.2%.
- 0.683的实质性卡帕系数证实了PEEA的临床疗效.
- 改进的ResNet50网络在疼痛表达识别方面表现出卓越的性能.
结论:
- 开发的改进的ResNet50网络有效地为患有关节骨折的老年患者构建了一个自动疼痛表达识别模型.
- 这种人工智能驱动的方法提供了一个非常准确的方法来评估这个脆弱人群的疼痛.
- 该模型显示了在疼痛管理中临床应用的巨大潜力.


