Unobtrusive Schmerzüberwachung bei älteren Erwachsenen mit Demenz mittels paarweiser und kontrastiver Trainingsmethoden

Obwohl Schmerzen im hohen Alter häufig auftreten, werden ältere Erwachsene oft unterbehandelt. Dies gilt insbesondere für Bewohner langer Pflegeeinrichtungen mit mittlerem bis schwerem Demenz, die aufgrund der kognitiven Beeinträchtigungen, die mit Demenz einhergehen, ihre Schmerzen nicht melden können. Pflegekräfte erkennen die Herausforderungen bei der effektiven Identifizierung und Behandlung von Schmerzen in langfristigen Pflegeeinrichtungen, da es an menschlichen Ressourcen und manchmal an der Expertise mangelt, um validierte Schmerzbewertungsverfahren regelmäßig anzuwenden. Eine visionbasierte Umgebungsüberwachung ermöglicht es, häufig automatisierte Bewertungen durchzuführen, sodass das Pflegepersonal automatisch benachrichtigt wird, wenn Anzeichen von Schmerzen sichtbar sind. Bestehende Computer-Vision-Techniken zur Schmerzerkennung wurden jedoch noch nicht an Gesichtern von älteren Erwachsenen oder Menschen mit Demenz validiert, und diese Gruppe ist in bestehenden Datensätzen von schmerzbedingten Gesichtsausdrücken nicht vertreten. Wir präsentieren die erste vollautomatische visionbasierte Technik, die an einer Demenz-Kohorte validiert wurde. Unsere Beiträge sind dreifach:Erstens entwickeln wir ein tiefes Lernsystem der Computer-Vision zur Erkennung schmerzhafter Gesichtsausdrücke in einem Video-Datensatz, der unauffällig von älteren Teilnehmern mit und ohne Demenz erhoben wurde.Zweitens führen wir eine paarweise vergleichende Inferenzmethode ein, die sich an jede Person anpasst und Veränderungen in den Gesichtsausdrücken empfindlich reagiert, während sie Trainingsdaten effizienter als sequentielle Modelle nutzt.Drittens stellen wir eine schnelle kontrastive Trainingsmethode vor, die die Leistung über verschiedene Datensätze hinweg verbessert. Unser Modell zur Schmerzschätzung übertreffen die Baseline-Modelle deutlich, insbesondere bei der Auswertung von Gesichtern von Menschen mit Demenz. Ein vortrainiertes Modell und Demo-Code sind unter https://github.com/TaatiTeam/pain_detection_demo verfügbar.