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

要約

痛みのデータセットのサイズが限られていることが、痛みを認識するための堅牢な深層学習モデルを開発する際の課題となっています。
転移学習アプローチは、これらのシナリオでよく使用されます。
この研究では、ある種類の実験的に誘発された痛みに対する深層学習された特徴表現が別の種類の痛みに転用できるかどうかを調査します。
AI4Pain チャレンジに参加する私たちの目標は、痛みを 3 つのレベル (無痛、低痛、高痛) に分類することです。
チャレンジ データセットには、さまざまな強度の電気的痛みを受けている 65 人の参加者から収集されたデータが含まれています。
データセットからのビデオ記録を利用して、深層学習された熱痛モデルの電気痛への転移可能性を調査します。
私たちが提案するアプローチでは、BioVid データセットでトレーニングされた既存の熱痛畳み込みニューラル ネットワーク (CNN) を特徴抽出器として利用します。
チャレンジ データセットからの画像は、事前トレーニングされた熱痛 CNN に入力され、特徴ベクトルが取得されます。
これらの特徴ベクトルは、単純なフィードフォワード ニューラル ネットワークと長期短期記憶 (LSTM) ネットワークという 2 つの機械学習モデルをトレーニングするために使用されます。
私たちのアプローチは、データセットの事前定義されたトレーニング、検証、テスト分割を使用してテストされました。
私たちのモデルは検証セットとテストセットの両方で課題のベースラインを上回り、信頼性の高い特徴抽出のために他の疼痛データセットでトレーニングされたモデルの可能性を強調しました。

要約(オリジナル)

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 whether deep learned feature representation for one type of experimentally induced pain can be transferred to another. Participating in the AI4Pain challenge, our goal is to classify three levels of pain (No-Pain, Low-Pain, High-Pain). The challenge dataset contains data collected from 65 participants undergoing varying intensities of electrical pain. We utilize the video recording from the dataset to investigate the transferability of deep learned heat pain model to electrical pain. In our proposed approach, we leverage an existing heat pain convolutional neural network (CNN) – trained on BioVid dataset – as a feature extractor. The images from the challenge dataset are inputted to the pre-trained heat pain CNN to obtain feature vectors. These feature vectors are used to train two machine learning models: a simple feed-forward neural network and a long short-term memory (LSTM) network. Our approach was tested using the dataset’s predefined training, validation, and testing splits. Our models outperformed the baseline of the challenge on both the validation and tests sets, highlighting the potential of models trained on other pain datasets for reliable feature extraction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google