使用面部表情的自动疼痛检测在个性化空间时间注意长期短期记忆 (STA-LSTM) 网络的成年患者中

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
• 疼痛管理 疼痛管理

背景情况:

• 传统的疼痛评估方法,如自我报告和基于观察者的评估,都有局限性.
• 自我报告依赖于有效的沟通,而基于观察者的方法资源密集,需要专门的培训.
• 需要客观的疼痛评估工具来支持临床决策.

研究的目的:

• 开发和验证一个自动化系统来评估成人患者的疼痛强度,使用面部表情分析.
• 利用深度学习进行客观的疼痛检测,克服主观评估的局限性.
• 创建适用于各种临床环境的工具,以改善疼痛管理.

主要方法:

• 在新加坡医疗机构接受手术或疼痛手术的成年患者.
• 使用移动应用程序收集了面部表情视频,将它们剪成1秒钟的片段.
• 提取了每468个面部关键点,并训练了一个空间时间注意力长期短期记忆 (STA-LSTM) 深度学习网络.

主要成果:

• 该STA-LSTM模型在来自160名患者的7599张剪辑上进行了训练,并在来自40名患者的2675张剪辑上进行了验证.
• 该模型以0.8660的精度,灵敏度,回忆和F1得分实现了最佳性能,在差异化疼痛水平方面均为0.8660.
• 该系统在分析面部空间和时间表情领域以检测疼痛方面表现出有效性.

结论:

• 开发的STA-LSTM模型为临床环境中的客观疼痛评估提供了潜在的解决方案.
• 这种自动化系统可以帮助医疗保健专业人员和护理人员有效评估患者的疼痛.
• 这项技术有望在住院和门诊环境中增强疼痛管理.