基于面部表情的术后疼痛人工智能评估系统研究进展

目前,中国近一半的患者术后仍出现中度至重度疼痛。术后疼痛对医疗保健系统和患者满意度构成了重大挑战,人们仍无法对术后疼痛管理的质量进行系统性的评估。疼痛评估是一个复杂的任务,很大程度上依赖于患者的自我报告。然而一些人无法自我报告以及医疗专业人员评估不能保证连续性和客观性,所以对于疼痛自动识别的需求很大。这篇综述旨在提供基于面部表情的术后疼痛人工智能评估系统目前的技术现状,以及用于疼痛检测的技术基础。该综述还强调了人工智能评估系统对临床实践中疼痛评估的潜在影响,在提高疼痛识别效率,分析自我疼痛报告数据,预测疼痛,帮助临床医生有效管理术后疼痛方面提供了更多临床证据,为该领域的进一步研究奠定了基础。

群体信息对面部表情识别的影响

本研究通过3个实验探讨群体信息对面部表情识别的影响。结果发现:(1)周围面孔的情绪状态影响个体对目标面孔情绪的识别,两者情绪一致时的反应时显著短于不一致时的反应时,且面部表情识别准确性更高。(2)群体信息会调节周围面孔情绪对目标面孔的影响,进而影响面部表情识别。具体而言,群体条件下,个体对目标面部表情的识别受到周围面孔情绪状态的影响,相比周围面孔情绪与目标面孔情绪不一致,两者情绪一致时,即符合个体基于知觉线索建立的群体成员情绪具有一致性的预期,面部表情识别的准确性更高、速度更快;而非群体条件下,个体则不受周围面孔情绪状态的影响。研究结果表明,个体能够基于互动人物之间的社会关系识别面孔情绪,群体存在时,会建立群体成员情绪具有一致性的预期,进而影响面部表情识别。

孤独症谱系障碍和精神分裂症青少年的面部表情识别能力

目的:探讨孤独症谱系障碍、精神分裂症青少年的面部表情识别能力特点。方法:入组12~18岁孤独症谱系障碍患者77例、精神分裂症患者67例及年龄相匹配的正常发育青少年68例,完成面部表情识别任务测查。结果:孤独症谱系障碍组基础面部表情识别任务总分低于精神分裂症组及正常发育组(Ps<0.05),精神分裂症组和正常发育组间无统计学差异(P>0.05);孤独症谱系障碍组和精神分裂症组间复杂表情识别任务总分差异无统计学意义(P>0.05),但两组均低于正常对照组(均P<0.001)。结论:孤独症谱系障碍和精神分裂症青少年均存在面部表情识别缺陷,孤独症谱系障碍表现为基础和复杂面部表情识别缺陷,而精神分裂症表现为复杂面部表情识别缺陷。

基于面部表情分析技术的葡萄酒中关键香气与饮用舒适度相关性评价

为明晰新疆地产葡萄酒中影响饮用舒适度的关键香气物质,以新疆四大产区葡萄酒为试材,采用顶空固相微萃取(headspace solid-phase microextraction,HS-SPME)与GC-MS联用技术,结合香气活性值(odor activity value,OAV)确定11款葡萄酒中的关键香气,基于模糊数学传统感官与智能感官面部表情分析对11款酒的感官质量进行综合评价并建立线性回归模型,将关键情绪维度与关键香气物质作相关性分析。研究结果表明,共定性定量了79种香气物质(共有组分43种),酯类数量最多(35种),醇类次之(19种),萜烯类(11种)、醛酮类(7种)、酸类(4种)和其他类(3种)最少。其中吐哈盆地赤霞珠(2号)、焉耆盆地马瑟兰(7号)、焉耆盆地霞多丽(8号)品评得分结果较高;线性回归模型R^(2)=0.831且拟合度良好,说明面部表情分析中其效价及唤醒度能基本反映综合饮用舒适度。通过相关性分析确定与饮用舒适度相关的关键物质为乙酸乙酯、异戊醇、活性戊醇、甲醇、3-羟基-2-丁酮、辛酸等。该研究为提高新疆葡萄酒饮用舒适度奠定了科学理论依据。

注意缺陷多动障碍患儿面部表情识别能力及其神经心理机制

注意缺陷多动障碍(ADHD)是一种以注意力不集中、多动冲动和工作记忆缺陷为特征的慢性神经发育障碍。社交障碍是ADHD患儿面临的主要挑战之一。研究发现ADHD患儿在面部表情识别(FER)任务中的表现通常不如正常发育的儿童。虽然部分研究表明在特定表情识别的准确性上,ADHD患儿与正常发育儿童相比未见明显差异,但总体来看,他们在FER中显示出一定的困难。这些困难的神经心理机制如下:①神经解剖学方面:ADHD患儿的杏仁核和内侧额叶区域显示出较小的灰质体积和表面积,以及部分额叶白质纤维束的轴突/细胞的密度和体积减小;②神经生理学方面:ADHD患儿的脑电图表现出慢波活动增加,在面对面部刺激时情绪调节和对愤怒面孔的反应上有异常;③心理学方面:心理社会压力可能会影响ADHD患儿的FER能力,且ADHD患儿睡眠剥夺可能导致其对悲伤和愤怒等负面表情的识别阈值显著提高。本文对近三年来有关ADHD患儿FER能力的研究进行检索和整理,从神经解剖学、神经生理学以及心理学机制三个维度分析ADHD患儿的FER缺陷,以期为ADHD的深入研究和临床治疗提供新的视角。

结合超轻量级双注意力模块的ShuffleNetV2面部表情识别

针对面部表情识别领域中难以同时实现低参数量与高准确率的挑战,提出了一种结合注意力机制的ShuffleNetV2网络的面部表情识别方法。该方法基于ShuffleNetV2架构,通过微调模型将Relu激活函数替换为PRelu激活函数,进一步提升了模型的特征捕获与分类能力。此外,本文创新性地引入了一种超轻量级双注意力模块LDAM,该模块结合了DCAM注意力机制与空间注意力机制,并通过捷径连接技术集成到优化后的ShuffleNetV2模型中,以增强模型对细节特征的识别能力及分类效果。在FER2013和CK+两大公认的面部表情识别数据集上的实验结果显示,本方法分别达到了69.12%和94.77%的识别准确率,同时保持了低至1.25的模型参数量。这一成果不仅展示了在保持模型轻量化的同时提升识别性能的可能性,而且通过实验验证了所提出方法的高效性和实用性。

针灸治疗周围性面瘫的疗效及对患者面部表情肌弹性的影响

目的:探讨针灸在周围性面瘫治疗中的应用效果,并着重分析针灸对患者面部表情肌弹性的影响。方法:收集2020年1月至2022年12月接诊的98例周围性面瘫患者,按照随机数字表法分为对照组和研究组各49例。对照组采用常规西医治疗;研究组在对照组基础上增加针灸治疗,治疗周期28 d。比较两组临床疗效、治疗前后患侧表情肌的弹性模量值、咀嚼功能。采用多伦多分级法(TFGS)评估治疗前后两组患者面神经功能恢复情况。结果:研究组总有效率为93.88%(46/49),高于对照组的79.59%(39/49,P<0.05)。治疗后两组额肌、降口角肌、降下唇肌弹性模量值均明显高于治疗前,且研究组高于对照组(P<0.05)。与治疗前比较,治疗2周和4周时,两组TFGS评分均逐渐升高,且同一时间点研究组明显高于对照组(P<0.05)。治疗后两组咀嚼效率指数均明显高于治疗前,且研究组高于对照组(P<0.05)。结论:针灸可明显改善周围性面瘫患者患侧肌肉松弛症状,更有助于患侧肌肉弹性和面神经功能的恢复,改善患者咀嚼功能,提高整体疗效。

基于加权多头并行注意力的局部遮挡面部表情识别

面部表情识别在诸多领域具有广泛的应用价值,但在识别过程中局部遮挡会导致面部难以提取有效的表情识别特征,而局部遮挡的面部表情识别可能需要多个区域的表情特征,单一的注意力机制无法同时关注面部多个区域特征.针对这一问题,本文提出了一种基于加权多头并行注意力的局部遮挡面部表情识别模型,该模型通过并行多个通道-空间注意力提取局部未被遮挡的多个面部区域表情特征,有效缓解了遮挡对表情识别的干扰,大量的实验结果表明,本文的方法相比于很多先进的方法取得了最优的性能,在RAF-DB和FERPlus上的准确率分别为89.54%、89.13%,在真实遮挡的数据集Occlusion-RAF-DB和Occlusion-FERPlus的准确率分别为87.47%、86.28%.因此,本文的方法具有很强的鲁棒性.

改良型面部表情操+超短波联合甲钴胺在周围性面神经炎中的应用效果

目的探究改良型面部表情操+超短波联合甲钴胺在周围性面神经炎中的应用效果。方法选取2021年5月至2022年5月收治的100例周围性面神经炎患者为研究对象,随机将其分为对照组和观察组,各50例。对照组给予药物治疗,观察组在对照组基础上给予改良型面部表情操+超短波联合甲钴胺治疗。比较两组的临床疗效、面神经功能、神经相关指标及生活质量。结果观察组的治疗总有效率高于对照组(P<0.05)。治疗后,观察组的House-Brackmann(HB)面神经功能分级优于对照组(P<0.05)。治疗后,观察组的胶质细胞源性神经营养因子(GDNF)、神经生长因子(NGF)水平明显高于对照组(P<0.05)。治疗后,观察组的36条目健康调查量表(SF-36)各维度评分高于对照组(P<0.05)。结论改良型面部表情操+超短波联合甲钴胺治疗周围性面神经炎的效果较好,可改善患者面部神经功能,调节神经相关指标,提高生活质量。

情绪知觉的新视角:面部表情与躯体表情的整合

对面孔、躯体等视觉线索中情绪信息的整合是社会交往中的重要能力。当前对面孔-躯体情绪整合的研究主要通过改变面孔与躯体的呈现时间、空间排布方式以及调整情绪识别的目标线索等方法,考察面部表情与躯体表情的整合加工。与单独的情绪面孔知觉相比,面孔-躯体的情绪整合呈现出明显的情绪知觉增强效应、面孔情绪知觉的可塑性及情绪加工策略存在个体差异等特点。此外,面孔与躯体知觉整合模型基于不同的加工通路描述了二者的整合机制,但是忽略了情绪和动作在整合加工中的作用。后续研究有必要进一步考察不同加工阶段中面孔与躯体整合的特点,关注面孔-躯体情绪加工的个体差异,探究情绪加工障碍个体的面孔与躯体情绪整合特点。

基于面部表情的抑郁症识别和诊断研究

抑郁症是一种常见但会影响患者生活质量的精神疾病,它常表现为面部表情和行为上的变化。然而,目前抑郁症的诊断主要依靠患者自我报告和医师主观判断,这种方式存在较大局限性。面部表情可以传递丰富的非语言信息,在抑郁症的识别和评估中具有重要作用,人工智能在图像特征提取和分类等方面有独特优势,可为研究面部表情与抑郁症之间的关系提供有力支撑。该文基于人工智能技术的抑郁症患者面部特征研究,并对未来研究方向进行展望,以期为日后抑郁症临床智能化诊断和跟踪提供参考。

舞蹈表演中面部表情的特征及作用

舞蹈是一种综合性艺术,它的表演形式多种多样,主要分为独舞、双人舞、群舞等,舞蹈表演过程中,舞者的面部表情非常重要,舞蹈表演者通过面部表情能够更好地展现出舞蹈作品的艺术内涵和情感内涵。作为舞蹈表演者,要想让自己的表演具有感染力和说服力,就必须掌握好面部表情的运用方法。因此,本文就舞蹈表演中面部表情的特征、作用及应用措施进行了详细分析,希望能够为舞蹈学习者提供一定的借鉴。

基于面部表情识别的学生课堂状态分析系统

近年来,随着计算机视觉的发展,人机交互技术也逐渐应用于教育领域,助力推动教育数字化转型。针对传统课堂中教师无法照顾到每一位学生对知识的掌握程度,制约教学质量的问题,利用Jetson Nano开发套件设计了一种基于面部表情识别的学生课堂状态分析系统,该系统实时检测每个学生面部表情的变化信息并及时反馈给教师,进而帮助教师了解学生的课堂状态,及时调整授课方式,提高教学质量。该系统结构包括摄像头实时采集模块、人脸检测模块、基于深度学习的面部表情识别模型等。所设计的学生课堂状态分析系统识别准确率高、实时性好,对于建设智慧课堂具有很高的应用和推广价值。

基于注意力机制ResNet轻量网络的面部表情识别

针对ResNet18网络模型在面部表情识别时存在网络模型大、准确率低等问题,提出了一种基于注意力机制ResNet轻量网络模型(Multi-Scale CBAM Lightweight ResNet,MCLResNet),能够以较少的参数量、较高的准确率实现面部表情的识别。首先,采用ResNet18作为主干网络提取特征,引入分组卷积减少ResNet18的参数量;利用倒残差结构增加网络深度,优化了图像特征提取效果。其次,将CBAM(Convolutional Block Attention Module)通道注意力模块中的共享全连接层替换为1×3的卷积模块,有效减少了通道信息的丢失;在CBAM空间注意力模块中添加多尺度卷积模块获得了不同尺度的空间特征信息。最后,将多尺度空间特征融合的CBAM模块(Multi-Scale CBAM,MSCBAM)添加到轻量的ResNet模型中,有效增加了网络模型的特征表达能力,另外在引入MSCBAM的网络模型输出层增加一层全连接层,以此增加模型在输出时的非线性表示。该模型在FER2013和CK+数据集上的实验结果表明,本文提出的模型参数量相比ResNet18下降82.58%,并且有较好的识别准确率。

语言范畴影响面部表情知觉的电生理学证据

本研究探讨了语言范畴影响面部表情知觉的时程及大脑偏侧化特点。采用从快乐到恐惧渐变的4张人类面孔表情图片为实验材料,以分视野呈现刺激的oddball范式设计脑电实验,并以分心任务使被试不注意实验表情图片之间的差异。实验结果显示,表情知觉诱发的ERP成分N1和N2上均出现了偏右视野-左脑表情范畴知觉,即在右视野呈现的条件下,范畴间偏差刺激比范畴内偏差刺激诱发了更大的vMMN效应,而在左视野呈现的条件下,两类偏差刺激诱发的vMMN效应无显著差异。这一结果表明表情范畴知觉发生在表情知觉的早期感觉水平加工及后知觉加工阶段,且具有偏右视野-左脑特性,提示语言范畴会同时影响早期、注意前表情知觉及后知觉加工,支持了沃尔夫假说。

结合显著特征筛选和ViT的面部表情识别方法

真实的人机交互场景中,人的动态行为(转头、行走等)以及不稳定的光源,会导致面部细节特征无法有效提取,从而降低面部表情识别的准确率。针对该问题,提出了一种结合显著特征筛选和视觉转化器(ViT)的优化模型。采用加权求和光照归一化方法对原图进行亮度平衡,并利用卷积神经网络提取面部特征;使用显著特征筛选模块聚合面部局部-全局上下文信息;应用多层Transformer编码器来加强面部特征之间的关联性;最后采用Softmax函数对面部表情结果进行预测。实验结果表明,该网络模型在RAF-DB、FERPlus和AffectNet数据集上取得了良好的性能。

结合LBP圆形算子的CNN面部表情识别研究

利用机器学习中卷积神经网络(CNN)擅长处理图像的优势,结合改进的局部二值模式(LBP)圆形算子,实现了人脸面部表情的识别。提取的人脸表情特征纹理信息得到增强,抑制了图像中光照、背景等干扰因素,并达到了灰度和旋转不变性的要求。在FER2013数据库上的实验结果表明,相比于原始图像的输入,结合LBP圆形算子的CNN结构能够有效提高面部表情识别的准确率。

带虚拟边约束的面部表情基生成方法

针对网格形变迁移算法在生成面部表情基时可能出现的模型表面穿透问题,本文提出一种带虚拟边约束的面部表情基生成算法.该算法基于一组模板表情基,可以为不同的对象目标生成个性化的人脸表情基.首先,算法依据顶点之间的距离信息检测出人脸模型中可能发生模型表面穿透的区域,在这些区域添加新的顶点连接关系,本文称为虚拟边;然后以这些虚拟边约束网格形变迁移算法,在生成表情基的同时防止模型发生表面穿透现象.在不同人脸模型上的实验结果表明,算法添加虚拟边的精度和效率优于手动操作以及之前提出的相关算法,并且虚拟边约束可以有效防止表情迁移过程中的模型穿透问题.最后,本文实验为不同的人脸网格生成了表情基,并应用生成的表情基进行表情迁移,实验结果验证了本文提出的带虚拟边约束的面部表情基生成方法的有效性.

面向在线学习情境的认知情绪面部表情识别

学习者外显的面部表情是探究其内隐认知情绪的窗口。真实的在线学习情境中,认知情绪面部表情通常特征不明显、持续时间短,致使对其的准确识别存在困难。本文提出双模态空时域特征学习的面部表情识别方法,设计混合深度神经网络自动提取面部表情的空时域几何特征和空时域表观特征,融合2种模态的空时域特征识别面部表情。首先在公开的微表情数据集上进行微表情识别实验,验证提出的方法能有效提升微表情识别准确率;随后创建认知情绪面部表情数据集,并将微表情识别模型迁移到认知情绪面部表情识别模型的训练中。各项测试指标显示认知情绪面部表情识别模型具有较好的识别准确率。

面部表情识别能力对服刑人员攻击性的影响:有调节的中介模型

目的:探讨面部表情识别能力对服刑人员攻击性的影响,以及社会支持和自我控制在两者关系中的中介作用和调节作用。方法:采用自编面部表情识别能力测验、攻击性问卷、领悟社会支持量表及自我控制量表等对200名男性服刑人员进行调查。结果:服刑人员的攻击性与服刑次数显著正相关(r=0.137,P<0.05);面部表情识别能力能负向预测服刑人员的攻击性(总效应值=-0.184,P<0.05),社会支持在两者关系中起了部分中介作用(间接效应值=-0.028,P<0.05);自我控制对面部表情识别能力影响攻击性的中介模型的后半段起了调节作用(β=-0.119,t=-2.024,P<0.05)。结论:攻击性与服刑人员再犯罪有重要关系;面部表情识别能力对服刑人员的攻击性有抑制效应,社会支持和自我控制在两者关系中分别起了中介及调节作用。