Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa
| dc.contributor.advisor | Thomaz, C. E. | |
| dc.contributor.author | Coutrin, Gabriel de Almeida Sá | |
| dc.coverage.area | Processamento de Sinais e Imagens | |
| dc.date.accessioned | 2023-04-08T14:17:57Z | |
| dc.date.available | 2023-04-08T14:17:57Z | |
| dc.date.issued | 2023 | |
| dc.description.abstract | 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 | |
| dc.identifier.citation | COUTRIN, Gabriel de Almeida Sá. <b> Redes neurais convolucionais para avaliação de dor neonatal em imagens de face/ </b> 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. | |
| dc.identifier.doi | https://doi.org/10.31414/EE.2023.D.131609 | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/4764 | |
| dc.language | por | |
| dc.language.iso | pt_BR | |
| dc.publisher | Centro Universitário FEI, São Bernardo do Campo | |
| dc.subject | Dor neonatal | |
| dc.subject | Expressão facial | |
| dc.subject | Rede neural convolucional | |
| dc.title | Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa | pt_BR |
| dc.type | Dissertação | pt_BR |
Arquivos
Pacote Original
1 - 1 de 1