深度学习模型可以改善疼痛评估

根据美国麻醉医师协会年会 ANESTHESIOLOGY 2023 上发表的一项研究，自动疼痛识别系统有望在手术前、术中和术后检测疼痛，于 10 月 13 日至 17 日在旧金山举行。

加州大学圣地亚哥分校的 Timothy Heintz 及其同事研究了基于计算机视觉的深度学习 (DL) 模型的使用情况，通过 77 名患者的面部图像来预测疼痛测量值。使用三摄像头阵列记录患者，并使用自我描述的视觉模拟量表(VAS)和观察者测量的重症监护疼痛观察工具(CPOT)量表记录和评估疼痛发作。原始面部图像被随机分为训练集(60%)、验证集(20%)和测试集(20%)。

深度学习模型接受了 143,293 张图像的训练，这些图像来自 69 名接受过一系列选择性外科手术的独特患者的 115 次和 159 次疼痛和非疼痛发作。对于CPOT，得分≤2被分类为无疼痛，得分≥3被分类为疼痛。VAS 分数为 0 表示无疼痛，而分数大于 0 则表示有疼痛。研究人员发现 DL 模型对于 CPOT 和 VAS 的准确率分别为 88% 和 66%。遮挡热图表明人们对眉毛、鼻子和上唇的关注增加，表明这些是疼痛评估的关键面部指标。

海因茨在一份声明中表示：“我们的概念验证人工智能模型可以通过实时、公正的疼痛检测来帮助改善患者护理。”

标 签：

免责声明：本文由用户上传，如有侵权请联系删除！