Development and internal validation of single-image pain detection from automated facial coding
यह अध्ययन प्रदर्शित करता है कि स्वचालित फेशियल कोडिंग का उपयोग करके एकल चेहरे की छवियों से नैदानिक रूप से सार्थक दर्द का पता लगाना व्यवहार्य है, जो असममित चेहरे की मांसपेशियों की सक्रियता को प्रमुख भविष्यवक्ताओं के रूप में पहचानकर 212 प्रतिभागियों के एक सामंजस्यपूर्ण डेटासेट में उचित-से-अच्छी विभेदन सटीकता (AUC 0.77 तक) प्राप्त करता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
दर्द एक निजी अनुभव है, एक संकेत जो शरीर से मन तक यात्रा करता है, फिर भी यह एक ऐसी चीज़ बनी हुई है जिसे मापना डॉक्टर के लिए सबसे कठिन कार्यों में से एक है। अस्पताल या क्लिनिक में, रोगी को कितना दर्द हो रहा है यह समझने का मानक तरीका उनसे पूछना है। वे एक पैमाने पर किसी संख्या की ओर इशारा कर सकते हैं या एक तीखे, सुस्त या जलन वाले अहसास का वर्णन कर सकते हैं। लेकिन यह विधि तब विफल हो जाती है जब रोगी बोल नहीं सकता, शायद इसलिए क्योंकि वह बहुत छोटा है, बहुत भ्रमित है, या बहुत अधिक बेहोश है। इन क्षणों में, चिकित्सा कर्मियों को अवलोकन पर निर्भर रहना पड़ता है, चेहरे की सार्वभौमिक भाषा को देखते हुए। दशकों से, वैज्ञानिक जानते हैं कि जब लोग दर्द में होते हैं, तो उनकी चेहरे की मांसपेशियां विशिष्ट, पहचानने योग्य पैटर्न में चलती हैं। ये गतिविधियाँ यादृच्छिक नहीं हैं; वे पीड़ा के प्रति शरीर की मोटर प्रतिक्रिया हैं, जो एक संरचित कोड बनाती हैं जिसे एक प्रशिक्षित आँख द्वारा पढ़ा जा सकता है। प्रश्न लंबे समय से यह रहा है कि क्या एक कंप्यूटर एक इंसान की तरह इस कोड को पढ़ सकता है, और क्या वह एक लंबे वीडियो रिकॉर्डिंग के बजाय केवल एक एकल स्नैपशॉट (तस्वीर) से ऐसा कर सकता है।
वर्जीनिया विश्वविद्यालय के शोधकर्ताओं की एक टीम ने एक कंप्यूटर को एक एकल फोटोग्राफ में दर्द को पहचानने के लिए प्रशिक्षित करके इस प्रश्न का उत्तर देने का प्रयास किया। उन्होंने किसी एक समूह के लोगों या एक प्रकार के प्रयोग पर भरोसा नहीं किया। इसके बजाय, उन्होंने तीन अलग-अलग वैज्ञानिक अध्ययनों के डेटा को संयोजित किया, जिसमें सैकड़ों स्वयंसेवकों को शामिल किया गया था जिन्हें गर्मी, दबाव या बिजली के झटकों जैसे विभिन्न प्रकार के दर्द का अनुभव हुआ था। अध्ययन में प्रत्येक व्यक्ति के लिए, शोधकर्ताओं ने दो तस्वीरें लीं: एक उनके चेहरे की जब वे शांत और तटस्थ थे, और दूसरी उस क्षण की जब वे दर्द महसूस कर रहे थे। फिर उन्होंने चेहरे की मांसपेशियों की हर सूक्ष्म, मापने योग्य गति में विभाजित करने के लिए विशेष सॉफ़्टवेयर का उपयोग किया। सॉफ़्टवेयर ने क्रिया की विशिष्ट इकाइयों की पहचान की, जैसे कि भौंहों का झुकना, गाल का ऊपर उठना, या आँखों के आसपास की त्वचा का कसना। इन मांसपेशी गतिविधियों को एक कंप्यूटर प्रोग्राम में फीड करके, शोधकर्ताओं ने सिस्टम को एक शांत चेहरे और एक दर्द वाले चेहरे के बीच अंतर करने के लिए प्रशिक्षित किया।
परिणामों ने दिखाया कि कंप्यूटर वास्तव में अंतर बता सकता था, हालांकि पूर्ण निश्चितता के साथ नहीं। उनके द्वारा परीक्षण किए गए विभिन्न मॉडलों में, सिस्टम दर्द वाले चेहरे और तटस्थ चेहरे के बीच सही ढंग से अंतर करने में मध्यम से अच्छी सीमा तक सक्षम था। सबसे अच्छा प्रदर्शन करने वाला मॉडल, एक प्रकार का कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) जो मस्तिष्क में न्यूरॉन्स के जुड़ने के तरीके की नकल करता है, ने एक दर्द वाले चेहरे और एक तटस्थ चेहरे के बीच अंतर करने के लिए 0.77 का AUC प्राप्त किया। यह सटीकता महत्वपूर्ण है क्योंकि यह प्रति व्यक्ति केवल एक छवि का उपयोग करके प्राप्त की गई थी, जो एक व्यस्त अस्पताल की वास्तविकता को दर्शाती है जहाँ एक डॉक्टर के पास रोगी पर केवल एक नज़र डालने का ही क्षण होता है। अध्ययन ने दर्द के दिखने के बारे में कुछ अप्रत्याशित भी उजागर किया। जबकि पिछले शोध ने इस बात पर ध्यान केंद्रित किया था कि मांसपेशी की गति कितनी मजबूत थी, इस अध्ययन ने पाया कि चेहरे के बाएं और दाएं पक्षों के बीच गति का संतुलन भी उतना ही महत्वपूर्ण था। कंप्यूटर ने सीखा कि दर्द अक्सर एक विषमता (असमानता) पैदा करता है, जहाँ चेहरे का एक हिस्सा दूसरे की तुलना में अलग तरह से प्रतिक्रिया करता है, विशेष रूप से भौंहों, आँखों और गालों के आसपास। यह असमान प्रतिक्रिया एक सुसंगत संकेत था जिसने सिस्टम को दर्द की पहचान करने में मदद की, जिससे पता चला कि दर्द चेहरे को जिस तरह से विकृत करता है वह अभिव्यक्ति की तीव्रता जितना ही महत्वपूर्ण है।
शोधकर्ताओं ने अपने अध्ययन को वास्तविक दुनिया की सीमाओं को दर्शाने के लिए सावधानीपूर्वक डिजाइन किया। उन्होंने प्रति व्यक्ति हजारों छवियों का उपयोग नहीं किया, जो कार्य को आसान बनाता लेकिन नैदानिक सेटिंग में कम उपयोगी होता। इसके बजाय, उन्होंने कंप्यूटर को एक एकल स्नैपशॉट से सीखने के लिए मजबूर किया, यह सुनिश्चित करते हुए कि वे जो उपकरण बना रहे हैं वह एक व्यावहारिक वातावरण में काम कर सके। उन्होंने पुरुषों और महिलाओं दोनों पर सिस्टम का परीक्षण किया और पाया कि यह दोनों समूहों के लिए काफी हद तक ठीक से काम करता है, हालांकि कंप्यूटर का अपने भविष्यवाणियों में विश्वास लिंग के आधार पर थोड़ा भिन्न था। अध्ययन बताता है कि हालांकि यह तकनीक अभी डॉक्टर के निर्णय या रोगी की अपनी रिपोर्ट को बदलने के लिए तैयार नहीं है, फिर भी यह एक मूल्यवान सहायक के रूप में कार्य कर सकती है। उन स्थितियों में जहाँ रोगी बोल नहीं सकता, एक एकल फोटो का विश्लेषण करने वाला उपकरण एक वस्तुनिष्ठ 'सेकंड ओपिनियन' प्रदान कर सकता है, जो चिकित्सा कर्मियों को संभावित पीड़ा के प्रति सचेत कर सकता है जो अन्यथा अनसुनी रह सकती है। यह कार्य यह दावा नहीं करता कि इसने दर्द के मापन की समस्या को हल कर लिया है, बल्कि यह प्रदर्शित करता है कि दर्द का पता लगाने के लिए आवश्यक जानकारी एक एकल छवि में मौजूद है, जो सही प्रकार की आँखों द्वारा पढ़े जाने की प्रतीक्षा कर रही है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।