通过卷积神经网络使用面部表情进行婴儿疼痛评估的深度学习方法
Long Zhang1, Ting Yan Zhu, Ying Zhang
1Author Affiliations: Nursing School of Kunming Medical University, Kunming (Zhang); Kunming Children's Hospital (Dr Zhu); and Chuxiong Medical College, Chuxiong; and Department of Physiology, School of Basic Medicine, Kunming Medical University (Dr Zhang), Kunming, Yunnan, China.
Computers, informatics, nursing : CIN
|March 31, 2025
概括
这项研究使用深度学习和卷积神经网络 (CNN) 来通过面部表情客观评估婴儿疼痛. 美国有线电视新闻 (CNN) 模型的准确率达到了90.24%,显示出临床疼痛管理的前景.
科学领域:
- 医学技术 医学技术 医学技术
- 医疗保健中的人工智能
- 儿科护理 儿科护理
背景情况:
- 婴儿不能口头表达疼痛,需要客观的疼痛评估工具在临床护理.
- 目前针对婴儿的疼痛评估方法可能缺乏客观性和一致性.
- 开发可靠的方法对于有效的婴儿疼痛管理和护理至关重要.
研究的目的:
- 开发和评估一个深度学习模型,以使用面部表情客观地评估婴儿疼痛.
- 利用卷积神经网络 (CNN) 来分析婴儿面部暗示疼痛的线索.
- 确定在临床护理背景下拟议的CNN模型的有效性.
主要方法:
- 使用COPE (疼痛表达分类) 数据库开发和训练了一个卷积神经网络 (CNN) 模型.
- 对婴儿的面部表情数据进行了分析,以检测和分类疼痛指标.
- 模型的性能使用准确度,精度,回忆,F1得分和ROC曲线分析等指标进行评估.
主要成果:
- 在CNN模型的测试中,测试准确率高达90.24%.
- 该模型表现出强的性能,平均精度和回忆率为87.58%,F1得分为0.8758.8.
- 接收机运行特征 (ROC) 曲线分析得出曲线下的面积 (AUC) 为0.9818,表明了出色的区分能力.
结论:
- 使用CNN的基于深度学习的面部表情分析显示了在临床环境中客观评估婴儿疼痛的巨大潜力.
- 开发的CNN模型提供了一个有前途的工具,以帮助医疗保健专业人员准确识别和管理婴儿疼痛.
- 建议进一步研究涉及更大的数据集,外部验证和伦理考虑,以提高该模型的临床适用性和可靠性.
