Automated facial recognition system using deep learning for pain assessment in adults with cerebral palsy

要約

背景: 神経学的疾患を持つ個人、特に自己報告能力が限られており、顔の表情が変化している個人の痛みの評価には課題があります。
介護者による直接観察に依存する既存の対策は、感度と特異性に欠けています。
脳性麻痺では、痛みが一般的な合併症であり、信頼できる評価プロトコルが非常に重要です。
したがって、顔の表情を認識する自動システムがあれば、このタイプの患者の痛みを診断する際に非常に役立つ可能性があります。
目的: 1) 脳性麻痺患者の顔の痛み表現のデータセットを構築すること、2) この集団を対象とした痛み評価のための深層学習に基づく自動顔認識システムを開発すること。
方法: UNBC-McMaster 肩痛発現アーカイブ データベース、マルチモーダル強度疼痛データセット、デラウェア疼痛データベースを含む 3 つの疼痛画像デ​​ータベースで 10 個のニューラル ネットワークをトレーニングしました。
さらに、2 人の理学療法士が顔面動作コーディング システム観察スケールを使用して分類した、脳性麻痺患者からの前処理された 109 枚の顔面痛表現画像で構成される厳選されたデータセット (CPPAIN) が作成されました。
結果: InceptionV3 は CP-PAIN データセット上で有望なパフォーマンスを示し、62.67% の精度と 61.12% の F1 スコアを達成しました。
説明可能な人工知能技術により、モデル全体で痛みを識別するための一貫した重要な特徴が明らかになりました。
結論: この研究は、神経学的症状とコミュニケーション障害を持つ集団における強力な痛み検出のための深層学習モデルの可能性を実証しています。
脳性麻痺に特有の大規模なデータセットを作成すると、モデルの精度がさらに向上し、微妙で特異な痛みの表現を識別するための貴重なツールが提供されるでしょう。
得られた洞察は、他の複雑な神経学的症状にも拡張される可能性があります。

要約(オリジナル)

Background: Pain assessment in individuals with neurological conditions, especially those with limited self-report ability and altered facial expressions, presents challenges. Existing measures, relying on direct observation by caregivers, lack sensitivity and specificity. In cerebral palsy, pain is a common comorbidity and a reliable evaluation protocol is crucial. Thus, having an automatic system that recognizes facial expressions could be of enormous help when diagnosing pain in this type of patient. Objectives: 1) to build a dataset of facial pain expressions in individuals with cerebral palsy, and 2) to develop an automated facial recognition system based on deep learning for pain assessment addressed to this population. Methods: Ten neural networks were trained on three pain image databases, including the UNBC-McMaster Shoulder Pain Expression Archive Database, the Multimodal Intensity Pain Dataset, and the Delaware Pain Database. Additionally, a curated dataset (CPPAIN) was created, consisting of 109 preprocessed facial pain expression images from individuals with cerebral palsy, categorized by two physiotherapists using the Facial Action Coding System observational scale. Results: InceptionV3 exhibited promising performance on the CP-PAIN dataset, achieving an accuracy of 62.67% and an F1 score of 61.12%. Explainable artificial intelligence techniques revealed consistent essential features for pain identification across models. Conclusion: This study demonstrates the potential of deep learning models for robust pain detection in populations with neurological conditions and communication disabilities. The creation of a larger dataset specific to cerebral palsy would further enhance model accuracy, offering a valuable tool for discerning subtle and idiosyncratic pain expressions. The insights gained could extend to other complex neurological conditions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google