使用机器学习模型对疼痛检测的调查:叙述审查
Ruijie Fang1, Elahe Hosseini1, Ruoyu Zhang1
1Department of Electrical and Computer Engineering, University of California, Davis, CA, United States.
JMIR AI
|February 24, 2025
概括
自动疼痛识别显示使用面部表情和生理信号的承诺. 然而,在不同的人群和环境中,在准确性方面存在挑战,因此需要进一步研究以获得可靠的临床应用.
科学领域:
- 生物医学工程 生物医学工程
- 疼痛医学 医学 疼痛医学
- 人与计算机的交互
背景情况:
- 疼痛是一个重要的社会和临床问题,推动了客观评估方法的需求.
- 自动化疼痛评估技术已经进步,为临床和日常使用提供了潜在的解决方案.
研究的目的:
- 调查自动化疼痛识别模式及其潜在机制.
- 在自动化疼痛评估中确定当前的挑战和未来的研究途径.
主要方法:
- 进行了全面的文献审查.
- 对面部表情,生理信号,音频线索和瞳孔膨胀的研究进行了分析,以确定疼痛识别的有效性.
主要成果:
- 面部表情和生理信号显示了自动疼痛识别的巨大潜力.
- 模式的可靠性和准确性受到个体变化和环境因素的影响.
结论:
- 自动疼痛识别已经进步,但在各种环境中保持一致的准确性面临挑战.
- 未来的研究应该专注于提高临床整合的可靠性和适用性.


