探索基于视觉的新生儿疼痛评估中的注释偏差
概括
新生儿疼痛评估工具可以通过ScorER改进,ScorER是一个新的AI系统,可以识别和纠正基于视觉的疼痛注释中的错误. 这有助于创建更好的人工智能来管理婴儿疼痛.
科学领域:
- 医疗信息学 医疗信息学
- 人工智能的人工智能
- 新生儿医学 新生儿医学
背景情况:
- 新生儿疼痛对大脑发育有负面影响,需要准确的疼痛评估.
- 自动化疼痛评估系统至关重要,但面临数据收集和注释挑战.
- 基于视觉的注释容易产生现实世界的干扰,导致数据错误.
研究的目的:
- 引入评分错误识别 (ScorER),这是一个深度神经网络工具,用于识别新生儿疼痛评估中的基于视觉的注释偏差.
- 提高用于开发自动化新生儿疼痛评估系统的数据质量和可靠性.
主要方法:
- 开发了一个基于深度神经网络的工具ScorER.
- 集成了Grad-CAM算法来识别与注释偏差相关的关键区域.
- 利用数据驱动的方法来分析注释错误的原因.
主要成果:
- ScorER有效地识别和诊断基于视觉的新生儿疼痛注释中的偏差.
- 在Grad-CAM集成中,确定了导致注释不准确的区域.
- 该研究提供了一种方法来提高AI开发的注释质量.
结论:
- 斯科尔 (ScorER) 帮助护理人员制作新生儿疼痛的高质量注释.
- 该工具支持为人工智能应用程序创建大规模可靠的临床数据库.
- 促进人工智能驱动的自动化新生儿疼痛评估和管理的进步.


