PainFaceReader – Automatische Schmerzerkennung

Autonomes Langzeitmonitoringsystem für die Schmerzerkennung auf Basis von Action Units

Ziel

Entwicklung eines Monitoringsystems zur automatischen Schmerzerkennung auf Basis von Action Units.

In der Schmerzforschung liegt der besondere Fokus auf der robusten Erkennung von Schmerz anhand sich verändernder Gesichtsausdrücke als non-verbales Kommunikationsmittel und deren eindeutigen Abgrenzung zu anderen Emotionszuständen. Hierzu nutzen wir unsere Gesichtsdetektionssoftware SHORE® sowie das Facial Action Coding System (FACS) zur robusten Detektion von Action Units.

Unser Ziel ist es zusammen mit der Universität Bamberg, bei nicht kommunikationsfähigen Patienten Schmerzempfinden mithilfe eines autonomen Systems auch dann rechtzeitig automatisch detektieren zu können, wenn kein medizinisches Personal im Raum ist.

Partner

Lehrstuhl Angewandte Informatik/Kognitive Systeme der Universität Bamberg

  • Interpretation der vorverarbeiteten Action Units durch Ansätze des maschinellen Lernens

Lehrstuhl Physiologische Psychologie der Universität Bamberg

  • Datenbasis für das Maschinelle Lernen
  • Evaluation der Ergebnisse

Fraunhofer IIS | Facial Analysis Solutions

  • Emotionserkennung in verschiedenen Kontexten, wie z.B. Umgebung, Beleuchtung und Perspektive auf Basis der robusten Detektion und Identifikation von Action Units mithilfe des Maschinellen Lernens

Das Projekt PainFaceReader wird von der Deutschen Forschungsgemeinschaft DFG (DFG-Projektnummer 405630557) seit 2018 gefördert.

Motivation

Die eindeutige Klassifikation mimischer Gesichtsausdrücke mittels Action Units spielt gerade in der Schmerzforschung eine wichtige Rolle. Personen, die aufgrund kognitiver Beeinträchtigungen nicht in der Lage sind, sich zu ihrem Schmerzempfinden zu äußern, wie bspw. Demenzpatienten oder Patienten in der post-operativen Akutversorgung, interagieren allein über ihre Mimik mit dem Gegenüber.

Die Herausforderung

Die besondere Herausforderung liegt sowohl in der zuverlässigen Identifikation des mentalen Gemütszustands als auch in der Nachvollziehbarkeit der Klassifikationsentscheidungen, damit ein solches Assistenzsystem zur Diagnoseunterstützung und Schmerztherapieindikation eingesetzt wird. Mimische Reaktionen wie Ärger, Wut und Ekel und Schmerz weisen ähnliche Action Units oder dieselben Action Units in unterschiedlicher Reihenfolge auf. Von den detektierten Action Units wird direkt auf eine psychische Gemütsverfassung geschlossen

Das geplante System soll autonom arbeiten, so dass nur im Notfall medizinisches Personal gerufen wird. Damit werden Personalressourcen zielgerichtet eingesetzt und gleichzeitig Kosten reduziert.

Autonomes System zur Schmerzerkennung auf Grundlage von Kombinations- und Zeitmerkmalen von Action Units

  • Um sowohl eine hohe Sensitivität als auch Spezifität in der Klassifikation von Schmerz zu erreichen, arbeiten wir an der zuverlässigen Erkennung von Action Units unter Berücksichtigung von AU-Kombinationen und Integration zeitvarianter Modelle
    • Gleichzeitiges Auftreten von AUs (Ko-okkurenz) liefert wichtige Zusatzinformationen
    • Zeitliche Abfolge von AUs dient aufgrund der Charakteristika als weitere Informationsquelle

Zusätzlich arbeiten wir daran, unsere SHORE® Softwarebibliothek hinsichtlich valider Erkennung zeitgleich auftretender AUs und Berücksichtigung zeitlicher Verläufe mittels Methoden des Maschinellen Lernens mit Fokus auf Computer Vision (DNN’s) weiter zu entwickeln.

 

Weitere Anwendungsgebiete des PainFaceReaders

  • Intensivpflege
  • Palliativ-Medizin
  • Mimikanalyse bei Depressionen

Veröffentlichungen