Nov, 2023
基于神经网络的疼痛强度估计的不确定性量化
Uncertainty Quantification in Neural-Network Based Pain Intensity Estimation
Burcu Ozek, Zhenyuan Lu, Srinivasan Radhakrishnan, Sagar Kamarthi
TL;DR本研究提出了基于神经网络的方法来进行客观疼痛区间估计，并将不确定性量化纳入考虑。通过三种算法：bootstrap 方法、遗传算法优化的上下界估计（LossL）和梯度下降算法优化的改进上下界估计（LossS），实证结果表明 LossS 方法在提供更窄的预测区间方面优于其他两种方法。我们评估了 LossS 方法在三种不同的疼痛评估场景中的性能，包括广义方法（整个人群使用单一模型）、个人化方法（每个个体使用单独模型）和混合方法（每个个体群集使用单独模型），结果显示混合方法具有卓越的性能，在临床环境中具有显著的实用性。该方法有潜力成为临床医生的有价值工具，能够在进行客观疼痛强度评估时考虑不确定性，从而促进有效的疼痛管理，降低治疗不当所带来的风险。