Look-up in Google Scholar
Full metadata record
Camara Chavez, Guillermo
Quispe Pinares, Jefferson
2023-11-27T15:27:02Z
2023-11-27T15:27:02Z
2023
1080234
https://hdl.handle.net/20.500.12590/17851
Los métodos de Aprendizaje Profundo han logrado resultados impresionantes en varias tareas complejas como la estimación del dolor a partir de expresiones faciales en videos (secuencias de frames). La estimación de dolor es difícil de medir, debido a que es subjetiva y a las características propias de cada persona. Sin embargo, su estimaci´on es importante para procesos de evaluación clínica. Este trabajo de investigación propone la estimación de la intensidad del dolor automático a través de dos etapas: 1) mediante un enfoque de frame-level usando Convolutional Neural Network, (CNN) con Transferencia de Aprendizaje de un modelo preentrenado de rostros con un módulo de Atención Espacial y modelos secuenciales usando Recurrent Neural Network (RNN) para obtener una estimación más precisa del dolor; 2) estimación de la medida del dolor usando Visual Analog Score (VAS) y las otras escalas de dolor mediante Multitask Learning (MTL) personalizado con frame-level obtenido de la primera etapa con características personales de un individuo; lo que nos permite lograr resultados importantes de dolor por sequence-level. El uso del enfoque de MTL para personalizar las estimaciones mediante la realización de múltiples tareas en grupos de personas similares junto a semejantes tareas, proporciona mejoras importantes en el rendimiento de la predicción del VAS. La mejora en la precisión es notable con respecto a los modelos no personalizados obteniendo 2.25 usando la métrica MAE y 0.47 en ICC usando el modelo denominado PSPI+PF Personalized Multitask. Por otro lado tenemos los datos obtenidos de la base de datos reales para entrenar, el cual es de 2.17 usando la m´etrica MAE y 0.51 de ICC según el modelo PSPI (GT) Personalized Multitask.
Tesis de maestría
application/pdf
spa
Universidad Católica San Pablo
info:eu-repo/semantics/restrictedAccess
Personalización
Dolor
CNN
RNN
VAS
PSPI
Detección automática personalizada de la intensidad del dolor de expresiones faciales en video usando multitask learning
info:eu-repo/semantics/masterThesis
Universidad Católica San Pablo. Departamento de Ciencia de la Computación
Ciencia de la Computación
Maestría
Maestro en Ciencia de la Computación
PE
http://purl.org/pe-repo/ocde/ford#1.02.01
Escuela Profesional Ciencia de la Computación
https://purl.org/pe-repo/renati/level#maestro
30960286
https://orcid.org/0000-0003-2440-0247
47694610
611017
Ochoa Luna, José Eduardo
Meza Lovon, Graciela Lecireth
Coelho Silva, Mateus
Cayhualla Cahuina, Edward Jorge Yuri
https://purl.org/pe-repo/renati/type#tesis
Privada asociativa
info:eu-repo/semantics/publishedVersion



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.