Kivun arviointi kasvonilmeistä tarkentuu ja automatisoituu

Diplomi-insinööri Mohammad Tavakolian on väitöstutkimuksessaan keskittynyt analysoimaan kivun aiheuttamia ilmeitä kivun voimakkuustasojen arvioimiseksi. Kasvonilmeiden voimakkaiden korrelaatioiden ja samankaltaisuuksien takia kivun voimakkuustasojen suora tulkinta ei ole yksinkertainen tehtävä. Ilmeiden hyvin pienet variaatiot erottavat kivun voimakkuusasteet toisistaan.

Kipu on subjektiivinen ilmiö ja käytännössä ihmisen oma arviointi on kivunarvioinnin standardi. Kivun subjektiivisen ja monimutkaisen luonteen vuoksi itsearviointi ei ole kuitenkaan välttämättä luotettavin arviointitekniikka. Sitä ei voida myöskään käyttää ihmisille, jotka eivät pysty kommunikoimaan. Kipua tarkkailevien henkilöiden tekemät raportit ovat myös alttiita ennakkoasenteille ja virheille, eikä niitä voida käyttää jatkuvaan seurantaan. Siksi on välttämätöntä kehittää automaattisia kivun arviointimenetelmiä, jotta voidaan saada objektiivista tietoa potilaan terveydentilasta.

Lääketieteellisen aineiston ja tutkimustulosten perusteella kasvonilmeet ovat käyttökelpoinen indikaattori kivusta. Siksi kasvonilmeiden tehokkaat esitystavat voivat edistää automaattista kivun arviointia. Tutkimuksessa ehdotetaan syviä spatiotemporaaliseen esitystapaan perustuvia oppimismenetelmiä koodaamaan kasvojen eriasteisia vaihteluita. Erityisesti suunnitellaan uusia neuroverkkoarkkitehtuureja ja kehitetään oppimisstrategioita poimimaan tehokkaasti kasvojen pieniä spatiotemporaalisia vaihteluja. Kasvojen ilmentymien kivunarvioinnin puutteen korjaamiseksi väitöstyössä esitetään myös datatehokkaita koneoppimiseen perustuvia malleja automaattisten kivunarviointimenetelmien suorituskyvyn parantamiseksi.

Diplomi-insinööri Mohammad Tavakolian väittelee Oulun yliopistossa maanantaina 19.7. Tietotekniikan väitöskirjan suomennettu otsikko on Tehokas spatiotemporaalisen esitystavan oppiminen kivun voimakkuuden arvioimiseksi kasvonilmeistä (Efficient Spatiotemporal Representation Learning for Pain Intensity Estimation from Facial Expressions). Vastaväittäjänä toimii professori Karen Eguiazarian Tampereen yliopistosta ja kustoksena emeritusprofessori Matti Pietikäinen Oulun yliopistosta.