文献

J-GLOBAL ID：202002217181206216   整理番号：20A1035114

深部顔記述子解析による慢性疼痛推定【JST・京大機械翻訳】

Chronic Pain Estimation Through Deep Facial Descriptors Analysis

著者 (7件)： Mauricio Antoni (Department of Computer Science, Universidad Catolica San Pablo, Arequipa, Peru) ,  Mauricio Antoni (Universidad Nacional de Ingenieria, Lima, Peru) ,  Pena Jonathan (Universidad Nacional de Ingenieria, Lima, Peru) ,  Dianderas Erwin (Instituto De Investigaciones De La Amazonia Peruana, Iquitos, Peru) ,  Mauricio Leonidas (Universidad Nacional de Ingenieria, Lima, Peru) ,  Diaz Jose (Universidad Nacional de Ingenieria, Lima, Peru) ,  Moran Antonio (Universidad Nacional de Ingenieria, Lima, Peru)
資料名： Communications in Computer and Information Science  (Communications in Computer and Information Science)
巻： 1070  ページ： 173-185  発行年： 2020年 
JST資料番号： W5071A  ISSN： 1865-0929  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 世界的に,慢性疼痛は,うつ病と多くの他の心理学的問題による共存症の35%により,最も多くの医学的問題の1つとして確立されている。伝統的に,自己報告(VASスケール)または物理学者検査(OPIスケール)は,疼痛評価を実行する。それにもかかわらず,両方法は通常は一致しない。自己評価に関して,いくつかの患者は,若年小児や限られた発現能力を有する患者のように,客観的にそれを完全にすることができない。計量における客観性の欠如は,疼痛の臨床分析の主要な問題を引き出す。応答において,様々な努力が,顔出現[5]によって定義されたPrkachinとSolomon Pain Intensity(PSPI)計量を理解する目的計量の包含に関して試みられている。本研究は,深い顔表現とシーケンス解析を考慮した疼痛認識への徹底的な学習アプローチを提示する。対照的な最新の最先端の深い学習技術により,レジストレーションから捕獲された剛体変形を修正した。前処理段階を適用した。それは,非アフィン変換,透視変形,および登録から通過する外部雑音からの顔表現に対する顔の前処理を含んでいる。不平衡データを扱った後に,前訓練モデルからCNNを微調整し,顔特徴を抽出し,次に,多層RNNはビデオフレーム間の時間的関係を利用した。結果として,著者らは,UNBC-McMaster Shoulder Pain発現アーカイブデータベースにおけるフレームレベル(80.44%)とシーケンスレベル(84.54%)における平均精度に関して,最先端技術を克服した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 剛体 ,  雑音 ,  学習 ,  前処理 ,  非平衡状態 ,  子供 ,  うつ病 ,  *疼痛 ,  透視 ,  表情 ,  多層 ,  疼痛測定 ,  アフィン変換 ,  自己評価
準シソーラス用語： *慢性疼痛 , 【Automatic Indexing@JST】

著者キーワード (3件)： CNN-RNNハイブリッドアーキテクチャ ,  疼痛認識 ,  深い顔の表現

分類 (2件)： 神経系の診断  (GN02000H) ,  精神科の臨床医学一般  (GR01030T)

タイトルに関連する用語 (5件)： 深部 ,  記述子 ,  解析 ,  慢性疼痛 ,  推定