Lääketieteessä potilaan kivun arviointi tarkentuu ja automatisoituu uusimman koneoppimisen ja neuroverkkojen avulla. Diplomi-insinööri Mohammad Tavakolian väittelee Oulun yliopistossa ensi maanantaina alueen tunnistustekniikoista. Mukana on videolinkki Oulun yliopiston tekoälytutkimukseen.

Potilaan kokema kiputilanne on subjektiivinen ilmiö ja käytännössä ihmisen oma arviointi on kivunarvioinnin standardi. Silti itsearviointi ei ole kuitenkaan välttämättä luotettavin arviointitekniikka, varsinkin ihmisille, jotka eivät pysty kommunikoimaan.

Siksi on välttämätöntä kehittää automaattisia kivun arviointimenetelmiä, jotta voidaan saada objektiivista tietoa potilaan terveydentilasta. Siksi Oulussa on tutkittu juuri kasvoilmeiden hyödyntämistä kivun arvioitiin uusimman kone- ja neurotekniikoiden avulla.

Mohammad Tavakolian tutkimuksessa ehdotetaan syviä spatiotemporaaliseen esitystapaan perustuvia oppimismenetelmiä koodaamaan kasvojen eriasteisia vaihteluita. Niiden löytämiseen suunnitellaan myös uusia neuroverkkoarkkitehtuureja ja kehitetään oppimisstrategioita poimimaan tehokkaasti kasvojen pieniä spatiotemporaalisia vaihteluja.

Väitöstyössä esitetään myös kasvojen ilmentymien kivunarvioinnin puutteen korjaamiseksi datatehokkaita koneoppimiseen perustuvia malleja automaattisten kivunarviointimenetelmien suorituskyvyn parantamiseksi.

Laskennallisen tehokkuuden lisäämiseksi väitöstyössä esitellään menetelmä, joka koodaa kasvovideon ulkoasun ja dynamiikan yhdeksi RGB-kuvakartaksi. Sen avulla voidaan parantaa myös  kivun tulkintaa kasvoilmeistä.

Diplomi-insinööri Mohammad Tavakolian väittelee Oulun yliopistossa maanantaina 19.7.2021

Lisää: Väitöskirja (LINKKI, pdf)

Kuvituskuva: Oulun yliopisto nettivideo, Emotion AI – Face Tracking  and remote physiological signal mearument (LINKKI, youtube)