Carlos Eduardo ThomazIBRAHIM JAMIL ORRAMATHEUS ELIAS CRUZPEDRO HENRIQUE SILVA DOMINGUESRENAN MARTINS MENDES DA SILVA2024-08-152024-08-152021-12-15https://repositorio.fei.edu.br/handle/FEI/5495O cotidiano de bebês pré-termo e neonatos muito doentes é envolvido por constante exposição a dor, fato que pode causar problemas no desenvolvimento do sistema nervoso a longo prazo. Por este motivo, uma área constante em desenvolvimento é a criação de sistemas de detecção automática da dor fundamentados em imagens. Estes sistemas utilizam as mais diversas técnicas, desde medidas anatômicas da face, inteligencia artificial e aprendizado de máquina, porém todos eles possuem duas principais semelhanças: a categorização de regiões faciais mais relevantes para identificação da dor neonatal e a dificuldade encontrada perante a presença de artefatos obstruindo partes da face. Portanto, este trabalho propõe e implementa uma técnica de segmentação automática de regiões de interesse, utilizada para a criação de um novo dataset contendo recortes da face do recém-nascido relevantes para a classificação de dor, categorizados pela região recortada e pela presença de dor. Adicionalmente, também investigamos o uso de técnicas de similarity matching para comparar cada região de interesse com a correspondente extraída de uma face média criada sem nenhuma obstrução. Todos os experimentos foram feitos a partir da base de imagens de recém-nascidos da UNIFESP, a qual é categorizada em bebês com dor e sem dor. Nosso arcabouço computacional foi desenvolvido para detectar, transformar e extrair as áreas de interesse de qualquer imagem 2D da face de um recém-nascido de forma robusta e no mesmo formato do dataset criado.45pt-BRRestritoTrabalho de Conclusão de Curso