Videobasierte automatische Schmerzerkennung auf Grundlage von Kombinations- und Zeitmerkmalen von Action Units (PainFaceReader)


Title
Videobasierte automatische Schmerzerkennung auf Grundlage von Kombinations- und Zeitmerkmalen von Action Units (PainFaceReader)
 
 
 
Start date
01-02-2019
 
End date
31-01-2022
 
Existing situation
Ongoing
 
Acronym
PainFaceAnalyzer
 
Description
In der anatomieorientierten objektivierenden Mimikforschung werden üblicherweise einzelne Bewegungen der Gesichtsmuskulatur als Action Units (AUs) mit dem Facial Action Coding System (FACS) kodiert. Bestimmte Konstellationen von AUs und deren Intensitäten werden dann als Indikatoren für das Vorliegen bestimmter mentaler Zustände, so auch von Schmerzen herangezogen. Bislang wird die FACS-Kodierung überwiegend in sehr kosten- und zeitintensiven Auswertungen manuell vorgenommen, was deren online-Anwendung in grundlagenwissenschaftlichen und klinischen Studien sehr limitiert. Die postoperative Schmerzüberwachung ist daher auf diesem Wege noch nicht möglich, obwohl der schlecht orientierte und nicht bewusstseinsklare Patient dieser Hilfe bedürfte, um nur ein wichtiges Beispiel zu nennen. Ziel des Projekts ist es, ein kamera-basiertes online-Monitoring- und Analyse-System zu entwickeln, das aus Videoaufzeichnungen des Gesichts (1) kontinuierlich das Auftreten von AUs und deren Intensitäten erfasst und (2) darauf basierend das Vorliegen von Schmerz - in Abgrenzung von anderen aversiven Zuständen (z.B. Ärger) - erkennt. Eine derartige diagnostische Anwendung stellt besondere Anforderungen an die Spezifität und Sensitivität von automatischen Klassifikatoren: Während es in vielen Bereichen genügt, wenn Mimikanalysen im Mittel eine gute Klassifikationsgenauigkeit aufweisen, müssen in der klinischen Anwendung sichere Individualdiagnosen getroffen werden. Zweitens muss interdisziplinär mit den Schmerzbehandlern kommuniziert werden, was den Einsatz von entscheidungstransparenten whitebox-Verfahren empfiehlt, die auf das anatomisch etablierte Beschreibungsvokabular (AUs) Bezug nehmen. Weniger geeignet erscheinen blackbox-Lernverfahren, bei denen direkt aus Videos oder artifiziellen Merkmalen auf einen mentalen Zustand geschlossen wird. In einer interdisziplinären Gruppe von Ingenieuren, Informatikern sowie in der Schmerzforschung erfahrenen Psychologen, soll mit dem PainFaceReader ein neuartiger Ansatz entwickelt werden, der den beschriebenen Anforderungen genügt. Fokus liegt auf dem Nachweis der grundsätzlichen Machbarkeit einer validen und reliablen automatischen Schmerzklassifikation. Die Psychologen erzeugen dabei spezifisches Videomaterial von experimentellen Schmerzbeobachtungen zum Training sowohl für die AU-Klassifikation als auch für die Schmerzklassifikation und validieren die ersten Lösungen an der Mimik von Patienten mit postoperativen Akutschmerzen. Die Ingenieure und Bildverarbeiter aus dem Fraunhofer-Institut entwickeln neue videobasierte Verfahren zur gleichzeitigen Bestimmung und zum parallelen Monitoring von mehreren AUs. Die Bamberger Informatiker entwickeln logik-basierte Klassifikatoren, die kompositionale Merkmale und zeitliche Abfolgen von AUs berücksichtigen, um das Auftreten von Schmerz robust, sensitiv und spezifisch (in Abgrenzung von Ärger) erkennen.