多任务混合传输变压器与情感局部模糊性探索面部疼痛评估

科学领域:

• 计算机视觉 计算机视觉
• 人工智能的人工智能
• 医疗信息学 医疗信息学

背景情况:

• 使用面部表情进行自动疼痛评估是有希望的,但面临着局限性.
• 目前的方法在分析局部疼痛相关的面部动作单元和解决情绪模两可的问题上扎.
• 准确的疼痛强度估计是复杂的模两可的面部表情.

研究的目的:

• 提出一种新的多任务混合式Conv-Transformer方法,用于增强面部疼痛评估.
• 改进对面部局部区域的分析,这些区域对于疼痛强度估计至关重要.
• 为了减轻疼痛表达分析中的情绪模两可.

主要方法:

• 开发了一个混合卷积神经网络 (CNN) 和视觉转换器 (ViT) 架构.
• 使用自我注意力机制,专注于与疼痛相关的局部面部特征.
• 一个多任务联合优化模块被设计用于处理分类和回归任务,减轻模两可.

主要成果:

• 与现有的最先进的技术相比,拟议的方法在疼痛评估方面表现优越.
• 在UNBC疼痛数据集上进行了实验验证.
• 多任务方法有效地规范了功能,提高了预测准确度.

结论:

• 开发的多任务混合式Conv-Transformer方法在自动面部疼痛评估方面取得了重大进展.
• 解决局部面部特征和情绪模两可导致更精确的疼痛强度估计.
• 这种方法有可能改善临床和研究环境中的客观疼痛监测.