Análisis del dolor crónico en pacientes adultos mediante la exploración espacio-temporal de las expresiones faciales

Abstract

La tesis se centra en cuantificar del dolor de pacientes adultos (entre 25 y 65 años) mediante el aprendizaje de las expresiones faciales utilizando técnicas de aprendizaje profundo. El principal aporte del trabajo es considerar el ciclo de respuesta ante un estímulo sobre la zona de dolor. De esta manera, se pueden evaluar los picos de dolor a lo largo de una secuencia, no solo a nivel de fotogramas. Se emplea la base de datos shoulder-pain-expression de la Universidad de McMaster, debido a que es la predilecta por el estado del arte. La base de datos presenta varios retos, como el desbalance de las categorías o errores en la recolección de datos. Las secuencias de vídeos se dividen en fragmentos, para luego aplicar políticas de balance de datos. El pre-procesamiento incluye cambio de tamaño, normalización de la iluminación y el tratamiento de rostros (detección, segmentación y frontalización). Una CNN extrae características por fotograma (espacial) y una RNN las procesa (temporal) para inferir el nivel de dolor del paciente. Los resultados superan el estado del arte en el análisis por fotograma (MAE: 0.4798, MSE: 0.5801, PCC: 0.7076, ICC: 0.5829 y ACC: 0.8921) y en secuencias (MAE: 0.4772, MSE: 0.6030, PCC: 0.8281, ICC: 0.7542, ACC: 0,8777).