Interpretação e reconhecimento de padrões para avaliação de dor em imagens faciais de recém-nascidos
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Dissertação
Data
2020
Autores
Silva, P. A. S. O.
Orientador
Thomaz, C. E.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
SILVA, P. A. S. O. Interpretação e reconhecimento de padrões para avaliação de dor em imagens faciais de recém-nascidos. 2020. 103 f. Dissertação (Mestrado em Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2020. Disponível em: https://doi.org/10.31414/EE.2020.D.131302.
Texto completo (DOI)
Palavras-chave
Reconhecimento de padrões,Expressão facial,Recém-nascidos,Processamento de imagens
Resumo
Analisar a dor em recém-nascidos se tornou um estudo de relevância nas últimas décadas dada a impossibilidade de se conseguir indicar objetivamente qual a localização e intensidade deste fenômeno doloroso. Ao longo dos últimos anos, métodos de detecção e avaliação de dor foram capazes de classificar dor através de imagens faciais de bebês recém-nascidos, utilizando modelos estatísticos, aprendizado de máquina e aprendizado profundo. Neste contexto, há interesse dos profissionais da saúde em terem disponível ferramentas computacionais capazes de explicitar não somente o nível potencial de dor experienciado pelo recém-nascido, mas também as regiões faciais de maior relevância para o fenômeno dor. O objetivo desta dissertação
é desenvolver um arcabouço computacional de interpretação e reconhecimento de padrões em imagens de faces para avaliação automática de dor em bebês a termo. Mais especificamente,
este trabalho concentra-se na investigação, implementação e integração de técnicas de detecção, segmentação, normalização espacial e classificação de imagens de faces baseadas em informações extraídas por mineração estatística de dados. Por fim, o arcabouço desenvolvido aqui, avaliado com uma taxa de acerto (limite superior) de aproximadamente 96% para a base COPE e 77% para a base UNIFESP, mostra que é possível não somente classificar estatisticamente dor e não-dor através de imagens de faces, mas também evidenciar regiões faciais discriminantes para o fenômeno dor, auxiliando na construção de escalas pediátricas de dor mais gerais e
assertivas
Pain analysis in newborns has become a relevant study subject over the last few decades, given the inability to objectively identify the source and intensity of the pain in newborn babies. Over the last few years, several methods for pain detection and evaluation were able to classify pain levels using facial expressions from newborn babies, through statistical models, machine learning and deep learning. Considering this context, health professionals are increasingly more interested in having computerized tools at their disposal. These tools would not only be able to accurately rank the newborn’s potential pain level, but also identify the facial regions of greatest relevance for a particular pain phenomenon. This dissertation’s main objective is to develop a computer framework capable of recognizing and interpreting patterns in facial expressions for an automated evaluation of pain levels on term babies. Specifically, this dissertation focuses on the investigation, implementation and integration of a series of techniques, including image detection and segmentation, spacial normalization and, ultimately, the classification of facial expressions based on information obtained through statistical data mining. Finally, the framework developed here, evaluated with an accuracy (upper limit) of approximately 96% for the COPE base and 77% for the UNIFESP base, reveal that it is possible to not only rank pain levels statistically through images of facial expressions, but also to identify key facial regions for certain pain phenomena, therefore assisting in creating more general and accurate pediatric pain scales
Pain analysis in newborns has become a relevant study subject over the last few decades, given the inability to objectively identify the source and intensity of the pain in newborn babies. Over the last few years, several methods for pain detection and evaluation were able to classify pain levels using facial expressions from newborn babies, through statistical models, machine learning and deep learning. Considering this context, health professionals are increasingly more interested in having computerized tools at their disposal. These tools would not only be able to accurately rank the newborn’s potential pain level, but also identify the facial regions of greatest relevance for a particular pain phenomenon. This dissertation’s main objective is to develop a computer framework capable of recognizing and interpreting patterns in facial expressions for an automated evaluation of pain levels on term babies. Specifically, this dissertation focuses on the investigation, implementation and integration of a series of techniques, including image detection and segmentation, spacial normalization and, ultimately, the classification of facial expressions based on information obtained through statistical data mining. Finally, the framework developed here, evaluated with an accuracy (upper limit) of approximately 96% for the COPE base and 77% for the UNIFESP base, reveal that it is possible to not only rank pain levels statistically through images of facial expressions, but also to identify key facial regions for certain pain phenomena, therefore assisting in creating more general and accurate pediatric pain scales