Resumen

El reconocimiento del dolor en pacientes incapaces de expresarse permite varias posibilidades de mejora del diagnóstico y el tratamiento. A pesar de los avances que ya se han hecho en este campo, aún falta investigación con respecto a la detección del dolor en vídeos en directo, especialmente en condiciones desfavorables. Para colmar esta laguna en la investigación existente, el presente estudio propuso un modelo híbrido que permitía un reconocimiento eficaz del dolor. El híbrido, que consistía en una combinación del Modelo Local Restringido (CLM), el Modelo de Apariencia Activa (AAM) y el Modelo Basado en Parches, se aplicó junto con álgebra de imágenes. Esto contribuyó a crear un sistema que permitía detectar con éxito el dolor en una retransmisión en directo, incluso con una iluminación deficiente y un dispositivo de grabación de baja resolución. El proceso y el resultado finales permitieron reducir la memoria de almacenamiento hasta un 40%-55 y una mejora del tiempo de procesamiento del 20%-25%. El sistema experimental tuvo éxito y fue capaz de detectar el dolor en los 22 vídeos analizados con una precisión del 55,75%-100,00%. Para aumentar la fidelidad de la técnica propuesta, el modelo híbrido se probó también en la base de datos UNBC-McMaster Shoulder Pain Database.

• Materias:Señales orofaciales Clasificación del cáncer Terapia de exposición Resonancias magnéticas Medicina de precisión
• Subjects:Orofacial signals Cancer classification Exposure therapy Magnetic resonance imaging Precision medicine
• Palabras claves:dolor, modelo híbrido, base de datos de dolor de hombro UNBC-McMaster, modelo de apariencia activa, modelo local restringido, reconocimiento eficaz del dolor, mejora del tiempo de procesamiento, dispositivo de grabación de resolución, investigación, estudio actual
• Keywords:pain, hybrid model, UNBC‐McMaster Shoulder Pain Database, Active Appearance Model, Constrained Local Model, efficient pain recognition, improved processing time, resolution recording device, research, current study