一个使用集成深度学习方法的多模式疼痛情绪分析系统,用于支持物联网的医疗保健框架

科学领域:

• 人工智能的人工智能
• 医疗保健技术 技术 医疗保健 技术
• 生物医学信号处理

背景情况:

• 疼痛情绪分析的单模式系统在准确性和实时应用方面存在局限性.
• 准确的疼痛评估对于有效的患者护理和治疗决策至关重要.
• 支持物联网 (IoT) 的医疗保健框架需要用于患者监控的先进工具.

研究的目的:

• 开发和评估用于人类疼痛识别的多式联络情绪分析系统.
• 整合面部表情和语音数据,以提高疼痛强度的评估.
• 改进物联网医疗环境中的实时患者护理决策.

主要方法:

• 使用深度学习 (CNN) 与转移学习进行面部区域检测和特征提取.
• 语音音频预处理和特征提取,包括对不同特征的深度学习.
• 基于图像和基于音频的疼痛情绪分析模型结果的融合.
• 在五个关键阶段实施,从检测到最终的多式联络融合.

主要成果:

• 多式联网系统实现了高精度: 99.31% (2级),99.54% (3级) 和87.41% (5级).
• 单个单模系统表现出强的性能:基于图像的高达84.27%,基于音频的高达98.32%.
• 拟议的系统在疼痛情绪分析方面表现出优于最先进的方法的优势.

结论:

• 综合面部和音频数据的多式情绪分析显著提高了疼痛识别的准确性.
• 开发的系统为医疗保健中的客观疼痛评估提供了一个强大的解决方案.
• 这项技术支持物联网医疗框架内的改进的患者管理和个性化治疗.