Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa

Gabriel Coutrin
{"title":"Redes neurais convolucionais para avaliação de dor neonatal em imagens de face: uma análise quantitativa e qualitativa","authors":"Gabriel Coutrin","doi":"10.31414/ee.2023.d.131609","DOIUrl":null,"url":null,"abstract":"A experiência da dor pode prejudicar o desenvolvimento de recém-nascidos. A análise da mímica facial é um dos métodos mais validados para a avaliação da dor neonatal. Assim, este trabalho investiga cinco CNNs para a classificação da dor neonatal: VGG-16, ResNet50, SENet50, Inception-V3 e N-CNN. Os resultados indicam a superioridade dos modelos pré-treinados com imagens de face, destacando diferenças relacionadas à informação extraída por cada modelo e a quantidade limitada de imagens de face neonatal disponíveis.","PeriodicalId":354386,"journal":{"name":"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","volume":"18 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2023-06-27","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Anais Estendidos do XXIII Simpósio Brasileiro de Computação Aplicada à Saúde (SBCAS 2023)","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.31414/ee.2023.d.131609","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

A experiência da dor pode prejudicar o desenvolvimento de recém-nascidos. A análise da mímica facial é um dos métodos mais validados para a avaliação da dor neonatal. Assim, este trabalho investiga cinco CNNs para a classificação da dor neonatal: VGG-16, ResNet50, SENet50, Inception-V3 e N-CNN. Os resultados indicam a superioridade dos modelos pré-treinados com imagens de face, destacando diferenças relacionadas à informação extraída por cada modelo e a quantidade limitada de imagens de face neonatal disponíveis.
查看原文
分享 分享
微信好友 朋友圈 QQ好友 复制链接
本刊更多论文
新生儿面部图像疼痛评估的卷积神经网络:定量和定性分析
疼痛的经历会损害新生儿的发育。面部模仿分析是评估新生儿疼痛最有效的方法之一。因此,本研究调查了新生儿疼痛分类的5个CNNs: VGG-16, ResNet50, SENet50, Inception-V3和N-CNN。结果表明,预先训练的模型具有人脸图像的优势,突出了每个模型提取的信息的差异和可用的新生儿人脸图像的有限数量。
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 去求助
来源期刊
自引率
0.00%
发文量
0
期刊最新文献
Ferramenta de ensino para construção de casos clínicos do tipo Paciente Virtual Avaliação de um Exergame para a Telerreabilitação de Pacientes Generation and Uncertainty Quantification of Patient-specific Purkinje Network Models Classification of Coronary Calcifications using Deep Learning Approach: A Feasibility Study with the orCaScore Database Simulação de miócito único via acoplamento de modelos massa-mola e eletromecânico
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
现在去查看 取消
×
提示
确定
0
微信
客服QQ
Book学术公众号 扫码关注我们
反馈
×
意见反馈
请填写您的意见或建议
请填写您的手机或邮箱
已复制链接
已复制链接
快去分享给好友吧!
我知道了
×
扫码分享
扫码分享
Book学术官方微信
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术
文献互助 智能选刊 最新文献 互助须知 联系我们:info@booksci.cn
Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。
Copyright © 2023 Book学术 All rights reserved.
ghs 京公网安备 11010802042870号 京ICP备2023020795号-1