Trabalho de Conclusão de Curso

Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor

Pain level perception is paramount for effective diagnosis and treatment of a patient. Pain level is identified through self-report. Because it is a subjective assessment, cognitive impairment and language barriers can hinder diagnosis. Convolutional neural networks have been used in healthcare to c...

ver descrição completa

Autor principal: Lima, Leonardo Pereira
Grau: Trabalho de Conclusão de Curso
Idioma: por
Publicado em: Brasil 2024
Assuntos:
Expressões de dor
Redes neurais convolucionais
Níveis de dor
UNBC-McMaster
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTAÇÃO
CIENCIAS DA SAUDE: MEDICINA
.
.
Acesso em linha: http://riu.ufam.edu.br/handle/prefix/8328
id oai:localhost:prefix-8328
recordtype dspace
spelling oai:localhost:prefix-83282025-03-10T21:27:34Z Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor Lima, Leonardo Pereira Costa, Marly Guimarães Fernandes http://lattes.cnpq.br/7169358412541736 Filho, Cícero Ferreira Fernandes Costa http://lattes.cnpq.br/3029011770761387 Pinagé, Frederico da Silva http://lattes.cnpq.br/7649322096353511 marly@super.ufam.edu.br Expressões de dor Redes neurais convolucionais Níveis de dor UNBC-McMaster CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTAÇÃO CIENCIAS DA SAUDE: MEDICINA . . Pain level perception is paramount for effective diagnosis and treatment of a patient. Pain level is identified through self-report. Because it is a subjective assessment, cognitive impairment and language barriers can hinder diagnosis. Convolutional neural networks have been used in healthcare to classify images and identify structures, proving to be effective in obtaining more accurate diagnoses. In this work, we compared the performance of nine convolutional neural network architectures for pain facial expression recognition, with three optimizers: ADAM, RMSProp and SGD. The UNBC-McMaster database was used for training and testing of the models. Two types of data were used with the networks: images with and without the face extraction. The InceptionV3 model, trained with the faces extracted and with the SGD optimizer achieved the best performance, an overall accuracy of 90.69%. A percepção do nível de dor é essencial para um diagnóstico e tratamento eficaz de um paciente. O nível de dor é identificado por meio de autorrelato. Por ser uma avaliação subjetiva, déficits cognitivos e barreiras linguísticas podem dificultar o diagnóstico. Redes neurais convolucionais têm sido utilizadas na área da saúde para classificar imagens e identificar estruturas, mostrando-se eficazes para obter diagnósticos mais precisos. Neste trabalho, comparamos o desempenho de nove arquiteturas de redes neurais convolucionais no reconhecimento de expressões faciais de dor, utilizando três otimizadores: ADAM, RMSProp e SGD. A base de dados UNBC-McMaster foi utilizada para treinamento e teste dos modelos. Dois tipos de entradas foram usados na rede: imagens com e sem extração facial. O modelo InceptionV3, treinado com as faces extraídas e o otimizador SGD, alcançou o melhor desempenho, com uma acurácia geral de 90,69%. 2 Não 2024-12-18T02:26:25Z 2024-12-18T02:26:25Z 2024-12-06 Trabalho de Conclusão de Curso http://riu.ufam.edu.br/handle/prefix/8328 por Acesso Aberto https://creativecommons.org/licenses/by-nc-nd/4.0/ Brasil FT - Faculdade de Tecnologia Manaus (AM) Engenharia da Computação - Bacharelado - Manaus
institution Repositório Institucional - Universidade Federal do Amazonas
collection RI-UFAM
language por
topic Expressões de dor
Redes neurais convolucionais
Níveis de dor
UNBC-McMaster
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTAÇÃO
CIENCIAS DA SAUDE: MEDICINA
.
.
spellingShingle Expressões de dor
Redes neurais convolucionais
Níveis de dor
UNBC-McMaster
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTAÇÃO
CIENCIAS DA SAUDE: MEDICINA
.
.
Lima, Leonardo Pereira
Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
topic_facet Expressões de dor
Redes neurais convolucionais
Níveis de dor
UNBC-McMaster
CIENCIAS EXATAS E DA TERRA: CIENCIA DA COMPUTAÇÃO
CIENCIAS DA SAUDE: MEDICINA
.
.
description Pain level perception is paramount for effective diagnosis and treatment of a patient. Pain level is identified through self-report. Because it is a subjective assessment, cognitive impairment and language barriers can hinder diagnosis. Convolutional neural networks have been used in healthcare to classify images and identify structures, proving to be effective in obtaining more accurate diagnoses. In this work, we compared the performance of nine convolutional neural network architectures for pain facial expression recognition, with three optimizers: ADAM, RMSProp and SGD. The UNBC-McMaster database was used for training and testing of the models. Two types of data were used with the networks: images with and without the face extraction. The InceptionV3 model, trained with the faces extracted and with the SGD optimizer achieved the best performance, an overall accuracy of 90.69%.
author_additional Costa, Marly Guimarães Fernandes
author_additionalStr Costa, Marly Guimarães Fernandes
format Trabalho de Conclusão de Curso
author Lima, Leonardo Pereira
title Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
title_short Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
title_full Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
title_fullStr Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
title_full_unstemmed Comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
title_sort comparação de desempenho de redes neurais convolutivas no reconhecimento de expressões de dor
publisher Brasil
publishDate 2024
url http://riu.ufam.edu.br/handle/prefix/8328
_version_ 1831970199545315328
score 11.753896

Registros relacionados