Análise e reconhecimento de dor em imagens 2D frontais de recém-nascidos e termo e saudáveis

Abstract

Diversas intervenções dolorosas (ou potencialmente dolorosas) são realizadas durante a internação de um recém-nascido em uma unidade de terapia intensiva. Nessas situações, existe uma dificuldade maior em identificar a dor, devido a impossibilidade de comunicação verbal direta e objetiva como acontece usualmente entre adultos. Nas últimas décadas, várias escalas de dor têm sido propostas para identificar tal ocorrência por meio de análise da mí- mica facial do ser humano, permitindo investigar e criar métodos não-invasivos que auxiliam não somente o reconhecimento precoce da ocorrência, como também uma melhor compreensão deste fenômeno. Neste contexto, essa dissertação tem como objetivo propor e implementar uma sequência de procedimentos computacionais para detecção, interpretação e classificação de padrões em imagens bidimensionais frontais de faces para reconhecimento automático de dor em recém-nascidos. Usando transformações de dados e extrações de características estatísticas de um banco de imagens reais de recém-nascidos a termo e saudáveis, criado pelo grupo de pesquisa da UNIFESP, e também a avaliação destas mesmas imagens por profissionais da área da saúde treinados para reconhecimento de dor, foi possível identificar automaticamente os níveis de dor nessas imagens, em escala numérica contínua abstraindo a subjetividade dos profissionais de saúde treinados, quantificando o conhecimento humano na tarefa de reconhecimento de dor. Tais resultados foram também comparados com classificações das mesmas imagens, pelos mesmos profissionais, que utilizaram um método validado clinicamente e aplicado a beira do leito, denominado Sistema de Codificação Facial Neonatal (NFCS, sigla em inglês). Adicionalmente, como demais contribuições originais deste trabalho, foram geradas imagens de referência nomeadas de Atlas para cada classe "Sem Dor"e "Com Dor", as quais possuem características médias de cada grupo, e também foram geradas imagens sintéticas de faces de recém-nascidos que apresentam as mesmas características do conjunto de imagens originais do banco de imagens utilizado, expandindo a base de informação com dados de alta relevância para estudos futuros.

Several painful (or potentially painful) interventions are performed during the hospitalization of a newborn in an intensive care unit. In these situations, there is a challenging difficulty to identify pain, due to the impossibility of direct and objective verbal communication, as usually happens among adults. In the last decades, several pain scales have been proposed to identify such occurrence through analysis of the facial mimic of the human being, allowing to investigate and to create non-invasive methods that help not only the early recognition of the occurrence, but also a better understanding of this experience. In this context, this dissertation aims to propose and implement a sequence of computational procedures for detecting, interpreting and classifying patterns in frontal two-dimensional images of faces for automatic recognition of pain in newborns. Using data transformation and extractions of statistical characteristics from a real-life, healthy-term newborn image database created by the research group of UNIFESP, as well as the evaluation of these same images by trained health professionals for recognition of pain, it was possible to automatically identify pain levels in these images on a continuous numerical scale abstracting the subjectivity of trained health professionals, quantifying human knowledge in the task of recognizing pain. These results were also compared with classifications of the same images, by the same professionals, who used a clinically validated, bedside method called the Neonatal Facial Coding System (NFCS). In addition, as other original contributions of this dissertation, reference images named Atlas were generated for each class "No Pain" and "With Pain" which have average characteristics of each group, also generated synthetic images of newborn faces that present the same characteristics of the set of original images of the database used, expanding the information base with data of high relevance for future studies.