使用配对和对比训练对老年痴呆症患者的无干扰疼痛监测

尽管老年人经常经历疼痛，但他们在疼痛治疗方面往往被忽视。这种情况在中度至重度痴呆症患者中尤为突出，这些患者由于认知障碍无法报告自己的疼痛。护理人员承认，在长期护理机构中有效识别和管理疼痛存在挑战，主要是因为缺乏人力资源以及有时缺乏使用经过验证的疼痛评估方法的专业知识。基于视觉的环境监测技术可以实现频繁的自动化评估，从而在患者表现出疼痛迹象时自动通知护理人员。然而，现有的计算机视觉疼痛检测技术尚未在老年人或痴呆症患者的面部上进行验证，这一群体也未在现有的疼痛面部表情数据集中得到充分代表。我们提出了首个完全自动化的、针对痴呆症患者验证的基于视觉的技术。我们的贡献有三个方面：首先，我们开发了一种基于深度学习的计算机视觉系统，用于检测从无干扰采集的老年参与者（包括有和没有痴呆症的人）视频数据集中的痛苦面部表情。其次，我们引入了一种成对比较推理方法，该方法针对每个个体进行校准，并对面部表情的变化敏感，同时比序列模型更高效地利用训练数据。第三，我们提出了一种快速对比训练方法，以提高跨数据集的性能。我们的疼痛估计模型显著优于基线模型，尤其是在评估痴呆症患者的面部时。预训练模型和演示代码可在以下链接获取：https://github.com/TaatiTeam/pain_detection_demo