Classificação automática de dor em neonatos através da segmentação de partes da face

Carregando...
Imagem de Miniatura
Citações na Scopus
Tipo de produção
Trabalho de Conclusão de Curso
Data
2021-12-17
Autores
Schumann Neto, Carlos Antônio
Matano, David Mascarenhas
Chaves, Rafael Orejas
Orientador
Thomaz, Carlos Eduardo
Periódico
Título da Revista
ISSN da Revista
Título de Volume
Citação
Texto completo (DOI)
Palavras-chave
neonato,dor,redes neurais convolucionais,detecção facial,neonate,pain,convolutional neural networks,face detection
Resumo
Uma das formas de se avaliar a dor neonatal é através da análise da expressão facial, com avaliação da movimentação das regiões faciais. No entanto, a identificação da dor em recém-nascidos internados em Unidade de Terapia Intensiva Neonatal (UTIN), pode ser dificultada pela presença de aparatos em sua face, que são necessários para a manutenção da vida. Muitos trabalhos estão sendo desenvolvidos para avaliação da expressão facial de dor neonatal, mas o uso de aparatos na região facial inviabiliza a possibilidade de detecção automática da face e sua análise, justamente pela incapacidade de visualizar alguns pontos faciais. Diante disso, este trabalho visa aperfeiçoar o sistema automatizado de identificação de dor em neonatos, enquanto estes encontram-se em leitos ou incubadoras, possibilitando o diagnóstico da face de dor, estando o neonato com ou sem aparatos em sua face. Para isso, foi criado um sistema de segmentação facial utilizando redes neurais convolucionais treinadas e modificadas. Estas redes foram desenvolvidas a partir da utilização de um banco de dados da UNIFESP contendo imagens de neonatos sem artefatos médicos em seus rostos. Como etapas subsequentes há detecção facial, segmentação e extração das áreas de interesse da face e para finalizar foi feito o processo de data augmentation. Após essa série de etapas houve a criação do banco de dados para cada segmento de face utilizados para o treinamento das redes neurais convolucionais. Com os bancos de dados criados, as redes conseguiram classificar a dor com uma acurácia aproximada de 71,16% para o seguimento da boca e 76,74% para os seguimentos dos olhos.
One of the ways to assess neonatal pain is through the analysis of facial expression, with assessment of movement of facial regions. However, an identification of pain in newborns hospitalized in the Neonatal Intensive Care Unit (NICU) can be hampered by the presence of devices on their face, which are care for the maintenance of life. Many studies are being carried out to assess the facial expression of neonatal pain, but the use of devices in the facial region makes it impossible to automatically detect the face and its analysis, precisely because of the inability to visualize some facial points. Therefore, this work improves the automated system for identifying pain in neonates, while they appear in beds or incubators, enabling the diagnosis of facial pain, with or without facial devices. For this, a facial treatment system was created using trained and modified convolutional neural networks. These networks were developed using a UNIFESP database containing images of newborns without medical artifacts on their faces. As subsequent steps, there is facial detection, necessary and extraction of the areas of interest on the face and to finalize the data increase process was carried out. After this series of steps, the database was created for each face segment used for training the convolutional neural networks. With the created databases, the networks were able to classify pain with an accuracy of approximately 71.16% for the mouth segment and 76.74% for the eye segments.