实验性疼痛的面貌：将深度学习的热痛特征应用于电痛

Jun, 2024

实验性疼痛的面貌：将深度学习的热痛特征应用于电痛

Faces of Experimental Pain: Transferability of Deep Learned Heat Pain Features to Electrical Pain

Pooja Prajod, Dominik Schiller, Daksitha Withanage Don, Elisabeth André

TL;DR本研究检查是否能将深度学习的特征表示从一个实验性诱发疼痛转移到另一个实验性诱发疼痛，以分类三种疼痛程度。通过使用 AI4Pain 挑战数据集，我们利用了现有的热痛卷积神经网络作为特征提取器，从而提高了验证和测试分组的性能，展示了在其他疼痛数据集上训练的模型进行可靠特征提取的潜力。

Abstract

The limited size of pain datasets are a challenge in developing robust deep learning models for pain recognition. transfer learning approaches are often employed in these scenarios. In this study, we investigate

pain datasets deep learning models transfer learning ai4pain challenge feature extraction

发现论文，激发创造

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

深度迁移学习在医学影像中的机制

本研究系统研究了将在 ImageNet 数据上训练的卷积神经网络 (CNN) 在超声图像肾脏检测问题上进行转移学习的过程，并表明通过转移学习可以获得更好的性能。

Apr, 2017

脑电记录的深度特征学习

本文介绍了使用深度学习技术从脑电图（EEG）记录中学习区分特征的几种策略，并比较了其效果。这些策略包括跨试验编码，相似性约束编码和 Hydra-nets。通过使用公开可用的 OpenMIIR EEG 数据集对这些策略进行了评估。

Nov, 2015

视频中马疼痛的识别与动态相关

这篇研究论文提出了一种基于深度递归双流架构的方法来识别马的疼痛，尤其考虑了掩饰疼痛的天性和时间维度的关键作用，并对该方法和现有疼痛识别方法进行了评测和比较，实验结果表明这种方法可以有效检测马的疼痛。

Jan, 2019

自适应分层时空动态成像的疼痛分析

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。

Dec, 2023

使用个性化多任务学习进行生理和行为特征分析以评估伤害性疼痛

本研究提出了一种新的个性化多任务机器学习方法，利用个体生理和行为对痛苦的反应来估计疼痛水平，并在有多种反应的数据集中，表明其优势。

Nov, 2017

利用持续的会话内基准分数提高机器学习性能：客观骨骼肌疼痛强度预测的试点研究

使用连续的会话中真实疼痛评分显著增强了疼痛强度的机器学习性能，克服了真实评分稀疏性、数据不平衡和高方差等问题，该研究为未来基于客观的机器学习疼痛系统培训提供了重要参考。

Aug, 2023

基于目标的迁移学习改善小型医学物理数据集的性能

本研究评估比较不同的训练神经网络技术，提出为小型数据集提高模型准确度的方法，并发现迁移学习对于重复利用以前学习的特征有重要作用，特别是在医学图像应用中。

Dec, 2019