基于深度学习的面部疼痛识别模型用于术后疼痛评估的应用
Ji-Tuo Zhang1, Xiao-Yi Hu2, Wen Duan1
1Department of Anesthesiology, Pain and Perioperative Medicine, The First Affiliated Hospital of Zhengzhou University, Zhengzhou, Henan, China.
Journal of clinical anesthesia
|June 14, 2025
概括
深度学习模型现在可以使用面部表情自动评估术后疼痛. 这项技术显示出对实时患者监测和改善医疗保健质量的承诺.
科学领域:
- 医学成像医学成像
- 医疗保健中的人工智能
- 疼痛管理 疼痛管理
背景情况:
- 术后疼痛评估具有挑战性,特别是对于非通讯性患者.
- 传统的方法,如自我报告和观察有局限性.
- 深度学习提供了自动化疼痛评估,但缺乏真实世界的数据和部署研究.
研究的目的:
- 开发和评估一种用于从面部表情自动识别疼痛的深度学习模型.
- 解决实验室研究和临床应用疼痛评估技术之间的差距.
主要方法:
- 创建了两个数据集:临床疼痛数据集 (CPD) 包含503名患者的3411张图像和模拟疼痛数据集 (SPD) 包含51名志愿者的1038张图像.
- 一个预训练的VGG16模型在这些数据集上进行了训练和验证,包括一个组合数据集 (CD).
- 使用AUROC和F1分数来评估表现,重点关注不同的疼痛水平和数据集.
主要成果:
- 该模型在识别严重疼痛方面取得了很高的性能,AUROC值为0.898的CPD和0.867的CD.
- 严重疼痛分类的最高AUROC值为0.898 (CPD-训练) 和0.917 (CD-训练).
- 基于该模型的性能,开发了一个面部疼痛识别软件.
结论:
- 分析面部表情的深度学习模型可以有效地识别不同程度的疼痛,特别是严重的疼痛.
- 这项技术有可能帮助麻醉师实时监测术后疼痛.
- 面部疼痛识别可以提高医疗服务的质量和患者的康复.
