• UABDivulga
18/07/2022

Xarxes neuronals computacionals parametritzant el dolor

Cara de dolor

La parametrització del dolor varia segons la cultura o la malaltia del pacient. El personal sanitari és l'encarregat d'avaluar les cares de dolor dels hospitaitzats per tal de prendre decisions sobre la medicació. Un estudi de la UAB proposa l'ús de xarxes neuronals computacionals entrenades per substituir aquesta tasca, i fins i tot xarxes neuronals que no requereixen d'humans per al seu entrenament. 

Istockphoto/Pornpak Khunatorn

Les xarxes neuronals imiten, de manera aproximada, la manera en que les neurones formen connexions al cervell per resoldre una tasca. En aquest article hem utilitzat tècniques d'aprenentatge de xarxes neuronals per identificar el nivell de dolor a les cares de pacients durant exercicis de rehabilitació. Per entrenar aquestes xarxes es van utilitzar imatges de vídeos de pacients, i la xarxa havia de predir quin nivell de dolor patien.

Emprant valors reals de dolor anotats per experts, les xarxes neuronals van aprendre a associar una imatge facial amb el dolor del pacient. La contribució del nostre treball va consistir a proposar una millora per considerar també imatges d'un vídeo i així identificar millor micro-moviments als músculs de la cara per saber quin nivell de dolor es pateix. D'aquesta manera, la xarxa va aprendre a ignorar tots els gestos facials que eren superflus en la predicció del dolor i es va centrar en els moviments que són involuntaris quan hi ha dolor.

La utilitat del mètode ve determinada perquè hi ha pacients en unitats de cures intensives que demanen una visita cada cert temps per part dels professionals de salut per verificar si el pacient està patint dolor, i decidir pujar-li o no la medicació. A això cal afegir-li que el dolor també es percep de manera diferent en funció de la cultura de procedència, o que segons la malaltia que es pateixi l'expressió de dolor varia.

Cal destacar que aquest treball és l'extensió d'una altra tècnica similar adaptada al reconeixement de l’Alzheimer en pacients i que és capaç de monitoritzar, amb un test automatitzat de moviments gestuals, l'avenç d'aquesta malaltia neurodegenerativa.

En l'actualitat, estem treballant en desenvolupar algorismes d'aprenentatge computacionals que requereixin de menys dades per aprendre, ja que fins ara es necessiten centenars d'exemples, a més d’un expert que faci les anotacions, la qual cosa suposa temps i diners. Així doncs, estem desenvolupant models que puguin aprendre d'un sol exemple, o que usin milions de dades sense la necessitat d’anotar-los i que la xarxa sigui capaç, ella mateixa, d'aprendre sense intervenció humana.

Pau Rodríguez López i Jordi Gonzalez Sabaté

Departament de Ciències de la Computació

Universitat Autònoma de Barcelona

Referències

Rodriguez, P., Cucurull, G., Gonzalez, J., Gonfaus, J. M., Nasrollahi, K., Moeslund, T. B., & Roca, F. X. (2017). Deep Pain: Exploiting Long Short-Term Memory Networks for Facial Expression Classification. IEEE Transactions on Cybernetics, 1–11. doi:10.1109/tcyb.2017.2662199

 
View low-bandwidth version