面部动作单元提取的非侵入性方法及其在疼痛检测中的应用

科学领域:

• 医学研究 医学研究
• 计算机视觉 计算机视觉 计算机视觉
• 生物识别信息 生物识别信息

背景情况:

• 患者数据隐私是医学研究中的一个主要障碍.
• 由于AI的滥用,共享面部图像带来了重大的隐私风险.
• 面部表情提供了宝贵的健康和情感见解,但需要保护隐私的方法.

研究的目的:

• 开发一种使用3D面部标志分析面部表情的隐私保护方法.
• 在不使用可识别的面部图像的情况下检测动作单位 (AU) 及其强度.
• 为了证明AU检测在下游任务中的实用性,例如疼痛检测.

主要方法:

• 从视频录制中提取了3D面部地标.
• 采用轻量级神经网络 (NN) 来进行AU检测和强度估计.
• 利用检测到的AU和强度来训练用于疼痛检测的深度学习 (DL) 模型.

主要成果:

• 在主要AU检测中获得了79.25%的F1分数.
• 估计的AU强度的根平均平方误差 (RMSE) 为0.66.
• 在疼痛检测方面达到91.16%的准确性,与基于图像的方法相比.

结论:

• 可以共享3D面部地标,而不是图像,保持高精度的AU检测.
• 拟议的方法为面部表情分析提供了一个计算效率高且保护隐私的替代方案.
• 这种方法可以在医学研究中从面部表情中获得宝贵的见解,而不会损害患者的隐私.