双流变压器方法用于疼痛评估,使用视觉生理数据建模.
Minh-Duc Nguyen1, Hyung-Jeong Yang1, Duy-Phuong Dao1
1Artificial Intelligent Convergence, Chonnam National University, Gwangju, Republic of South Korea.
PeerJ. Computer science
|September 24, 2025
概括
这项研究引入了使用机器学习进行自动疼痛评估的双流框架. 它有效地结合了面部视频和生理信号,以便在临床环境中更准确地检测疼痛.
科学领域:
- 生物医学工程 生物医学工程
- 机器学习 机器学习
- 疼痛研究 疼痛研究
背景情况:
- 传统的疼痛评估依赖于主观的自我报告,限制客观性.
- 现有的机器学习模型经常使用单个数据模式,无法捕捉疼痛的复杂性.
- 综合多种数据源的多模式方法提供了更全面的疼痛评估.
研究的目的:
- 为自动疼痛评估提出一个强大的双流框架.
- 利用多式联络数据 (面部视频和生理信号) 来提高疼痛识别.
- 为了提高跨不同临床情景的适应性.
主要方法:
- 使用面具自动编码器进行面部视频和生物心理信号的预训练.
- 实现了双混合位置编码嵌入和交叉注意力融合分类器.
- 评估了基于电极和热引起的疼痛的AI4Pain和BioVid数据集的框架.
主要成果:
- 拟议的双流框架在疼痛评估方面表现出卓越的表现.
- 该模型有效地从高维多模式数据中捕获复杂的模式.
- 在分类疼痛相关性方面实现了增强的稳健性和适应性.
结论:
- 多式联运双流框架在自动疼痛评估方面取得了重大进展.
- 整合面部视频和生理信号可以提高疼痛检测的准确性和可靠性.
- 这种方法有望实现更客观,更有效的临床疼痛管理.


