采用人工智能物体检测工具YOLOv8进行实时疼痛检测:可行性研究
Marco Cascella1, Mohammed Naveed Shariff2, Giuliano Lo Bianco3
1Anesthesia and Pain Medicine, Department of Medicine, Surgery and Dentistry "scuola Medica Salernitana", University of Salerno, Baronissi, 84081, Italy.
Journal of pain research
|November 14, 2024
概括
这项研究使用计算机视觉 (CV) 和YOLOv8模型通过面部表情来检测疼痛,实现高精度. 这项技术提供了一种有希望的客观方法,用于在各种环境中评估疼痛.
科学领域:
- 计算机视觉 计算机视觉
- 机器学习 机器学习
- 疼痛评估 疼痛评估
背景情况:
- 有效的疼痛管理对于患者的康复和福祉至关重要.
- 传统的疼痛评估方法面临挑战,特别是在某些患者群体.
- 计算机视觉 (CV) 通过面部表情提供了客观疼痛检测的替代方案.
研究的目的:
- 开发和评估基于面部表情检测疼痛的实时CV模型.
- 使用YOLOv8物体检测模型分析疼痛指示面部线索.
主要方法:
- 用特定的行动单位 (AU) 和普卡和所罗门的疼痛强度 (PSPI) 评分方法创建和标记了一组表达疼痛的面部数据集.
- 在这个数据集上训练了YOLOv8模型,区分疼痛和无疼痛类别.
- 用精度,回忆,F1得分和平均精度 (mAP) 来评估模型性能.
主要成果:
- 在0.5的值下,YOLOv8模型实现了0.893的平均平均精度 (mAP).
- 疼痛和无疼痛检测的精度分别为0.868和0.919.
- 该模型表现出强的表现,所有类别的F1得分为0.80,并在外部数据集和现实世界的场景中进行了验证.
结论:
- 实时计算机视觉模型显示了客观疼痛检测的巨大潜力.
- 这项技术可以通过提供更可靠的疼痛评估工具来增强患者的护理.
- 未来的工作重点是模型的概括性和整合到临床工作流程中.


