微調整された3ストリームハイブリッドディープニューラルネットワークを統合するアンサンブルディープラーニングフレームワークを設計するための研究。

Ensemble neural network approach detecting pain intensity from facial expressions
Ghazal Bargshady, Xujuan Zhou, Ravinesh C. Deo　　Artificial Intelligence in Medicine　2020

たたみ込みニューラルネットワーク（CNN）を使用して顔の画像の特徴を抽出し、痛みを検出して正確に分類します。

このアプローチを開発するために、VGGFaceは微調整され、主成分分析と統合され、モデル融合の初期段階でマルチモーダル強度疼痛データベースから画像の特徴を抽出するために使用されます。

続いて、後期融合、3層ハイブリッドCNNおよびリカレントニューラルネットワークアルゴリズムが開発され、それらの出力がマージされて、痛みのレベルを分類するための画像分類された特徴が生成されます。

次に、EDLMモデルは、ディープラーニング手法に基づくいくつかの競合モデルを含むシングルストリームディープラーニングモデルによってベンチマークされます。

得られた結果は、提案されたフレームワークが競合する方法を上回ることができることを示しています。マルチレベルの痛み検出データベースに適用され、89％を超える特徴分類精度を生成し、受信者動作特性は93％です。提案されたEDLMモデルの一般化を評価するために、UNBC-McMaster肩の痛みのデータセットが、すべてのモデリング実験のテストデータセットとして使用されます。

これにより、顔の画像から痛みを分類するための提案された方法の有効性が明らかになります。この研究は、提案されたEDLMモデルが痛みを正確に分類し、医療情報学分野での潜在的なアプリケーションのためにマルチクラスの痛みレベルを生成できるため、患者の痛みの強さを検出および分類するためのエキスパートシステムでさらに調査する必要があると結論付けています。患者の痛みのレベルを正確に評価します。