Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa
Carregando...
Arquivos
Citações na Scopus
Tipo de produção
Dissertação
Data
2023
Autores
Coutrin, Gabriel de Almeida Sá
Orientador
Thomaz, C. E.
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
COUTRIN, Gabriel de Almeida Sá. Redes neurais convolucionais para avaliação de dor neonatal em imagens de face/ uma análise quantitativa e qualitativa. 2023. 120 p. Dissertação (Mestrado Engenharia Elétrica) - Centro Universitário FEI, São Bernardo do Campo, 2023. Disponível em: https://doi.org/10.31414/EE.2023.D.131609.
Texto completo (DOI)
Palavras-chave
Dor neonatal,Expressão facial,Rede neural convolucional
Resumo
A experiência da dor, quando intensa ou repetitiva, pode prejudicar o desenvolvimento de
recém-nascidos. Estima-se que, durante o período de internação de um recém-nascido em unidade
de terapia intensiva neonatal, ocorram mais de 500 intervenções dolorosas, com eventual uso de
analgesia, a qual também pode impactar o desenvolvimento da criança. Diante da incapacidade do
neonato verbalizar sua dor, realizam-se estudos, procedimentos e tratamentos para identificação
da presença de dor por meio da análise comportamental, principalmente pela mímica facial.
No entanto, a aplicação clínica destas propostas para o reconhecimento da dor está sujeita às
variações entre profissionais da saúde. Neste contexto, faz-se importante o desenvolvimento
de soluções computacionais para a avaliação da dor neonatal com menor subjetividade. Na
última década, Redes Neurais Convolucionais (CNNs) ganharam popularidade devido às diversas
aplicações de sucesso em tarefas de reconhecimento de imagens. Portanto, o presente trabalho
tem como objetivo investigar a aplicação de diferentes modelos de CNN para a classificação
automática da dor neonatal a partir de imagens de face. Especificamente, foram implementados
modelos das arquiteturas VGG-16, ResNet50, SENet50 e Inception-V3, utilizando o aprendizado
por transferência, e da arquitetura N-CNN (Neonatal Convolutional Neural Network), o qual não
foi previamente treinado. Duas bases de dados distintas foram utilizadas: iCOPE e UNIFESP.
Em uma comparação experimental baseada não somente em resultados quantitativos (métricas
de desempenho de classificação), mas também em uma análise qualitativa por meio de métodos
de Inteligência Artificial Explicável, foi evidenciada a superioridade dos modelos pré-treinados
com imagens de face, destacando as diferenças mais relevantes no tocante à interpretação das
informações extraídas por cada modelo, bem como a necessidade de um maior conjunto de dados,
um fator limitante para a aplicação de redes neurais neste problema