Dec, 2023

自适应分层时空动态成像的疼痛分析

PDF
TL;DR通过自适应分层时空动态图像（Adaptive Hierarchical Spatio-temporal Dynamic Image，AHDI）技术，我们在医疗保健和医学领域中引入了自动疼痛强度估计方法。该方法使用面部表情作为主要工具，利用 AHDI 将面部视频的时空变化编码为一个单一的 RGB 图像，并应用简化的二维深度模型进行视频表征。该技术框架中，我们采用残差网络来获得面部的广义表征，并针对两个任务进行优化：疼痛强度估计和真实与模拟疼痛表达的区分。方法在两个广泛使用的疼痛数据集上进行测试，在两个任务上均取得了令人鼓舞的结果。除了最小化对大量标记数据的需求外，我们的方法还提高了疼痛评估的精度，提供了更好的疼痛管理。
发现论文，激发创造
  • 面部表情自动估计个性化自报疼痛强度

    该文章提出了一种基于面部表情的自动疼痛感知系统，使用递归神经网络和隐藏式条件随机场进行自动疼痛强度和视觉模拟评分的估计。通过引入每个人的面部表情得分进行模型的个性化定制，证明了个性化方法优于传统的非个性化方法。

    Jun, 2017

  • DeepFaceLIFT：自动估算自报疼痛感受的可解释个性化模型

    本文提出了一种基于神经网络和高斯过程回归模型的个性化估计疼痛程度的方法 DeepFaceLIFT，并在 UNBC-McMaster 肩疼痛表情库上展示了较高的性能，同时提供了置信度估计及易于解释的面部表情区域。

    Aug, 2017

  • 利用远程生理测量预测视频序列中的非接触式疼痛识别

    本文提出了一种新的多任务学习框架，使用非接触式的外貌变化和生理信号来进行自动疼痛识别，并通过关注机制和时空注意机制以及在辅助任务中从视频中恢复生理信号 (rPPG) 进行学习，取得了公共疼痛数据库中最先进的非接触式自动疼痛识别性能，表明 rPPG 预测可用作辅助任务来促进非接触式自动疼痛识别。

    May, 2021

  • 面部 AU 检测的端到端机器学习框架在重症监护室中的应用

    本文介绍了一种基于视觉变换器模型的端到端面部行为分析实时检测方法，评估了两种视觉变换器模型（ViT 和 SWIN）在 Pain-ICU 数据集上的 AU 检测能力，并证明了 SWIN transformer Base variant 可以实现 0.88 F1-score 和 0.85 准确度的 AU 检测。

    Nov, 2022

  • 基于深度学习的自动面部识别系统用于成年脑性麻痹病人的疼痛评估

    研究使用深度学习技术构建面向脑瘫患者的自动面部表情识别系统，以提高神经病变和沟通障碍患者疼痛识别的准确性和敏感性。

    Jan, 2024

  • 基于 Hankel 矩阵的面部情感识别及疼痛检测

    本文提出了一种新方法来建模面部表情序列的时间动态，通过将面部图像描述符（FID）的序列视为线性时不变系统（LTI）的输出以实现这一目的，利用 Hankel 矩阵表示这些描述符的时间动态。该文提出了不同策略来计算基于动态的 FID 序列的表征，并在情感识别和疼痛检测两个挑战性应用领域进行了验证，并在两个公开基准测试场中进行了实验，结果表明，当使用现成的分类工具时，基于动态的 FID 表征具有很高的分类准确率。

    Jun, 2015

  • QAFE-Net：面部表情质量评估与关键点热图

    针对帕金森病患者的面部表情质量问题，本研究提出了一种新的基于地标引导的方法 QAFE-Net，通过结合时序地标热图和 RGB 数据来捕捉面部微小肌肉动作，并将其编码和映射到严重程度评分中，实验结果表明该方法在质量评估方面超过了同类作品，也在疼痛估计方面达到了较低的平均绝对误差。

    Dec, 2023

  • 基于人类灵感的人脸草图合成与动态调整

    基于人类灵感的动态调整方法（HIDA）：通过联合考虑面部 3D 几何和 2D 外貌，以及全局一致的样式控制，基于变形卷积生成抽象和独特的轮廓，实现面部素描的高质量生成，并在多种风格中显著优于先前方法。

    Sep, 2023

  • 基于生理信号的个性化疼痛识别多任务神经网络

    研究基于神经网络的多任务学习方法，利用生理信号进行疼痛强度测量，以应对无法口头交流疼痛感受的患者，测试结果显示其在多模态生理反应的测试数据中表现良好。

    Aug, 2017

  • 基于循环卷积神经网络回归的视频疼痛强度连续估计

    本研究提出了一种基于循环卷积神经网络的实时回归框架，用于自动帧级疼痛强度估计，该方法通过考虑足够多的历史帧来预测每一帧的疼痛强度，并在模型内部参数规模限制方面取得了有前途的结果。

    May, 2016