Reconhecimento automatizado da dor por movimentos faciais de recém-nascidos internados em Unidade de Terapia Intensiva Neonatal

• Tatiany Marcondes Heiderich FEI
• Carlos Eduardo Thomaz FEI

DOI: https://doi.org/10.5753/sbcas_estendido.2025.6903

Resumo

Esta tese teve como objetivo desenvolver um método automatizado para reconhecer a dor em neonatos, utilizando técnicas atuais de processamento de imagens e de Inteligência Artificial. O método segmenta regiões faciais e classifica movimentos indicativos de dor. Analisado em quatro bases de dados, o método apresentou bons resultados, com destaque para o movimento de sulco nasolabial aprofundado, que mostrou ser a região mais confiável para o diagnóstico de dor. Um novo método de pontuação para avaliação automática da dor foi adicionalmente proposto e se mostrou confiável. Esta nova abordagem otimiza os métodos tradicionais, proporcionando uma avaliação mais objetiva e precisa da dor neonatal em cenários clínicos complexos.

Referências

Batton, D., Barrington, K. and Wallman, C. (2006) “Prevention and Management of Pain in the Neonate: An Update” Pediatrics, v. 118, n. 5, p. 2231–2241.

Brahnam, S., Nanni, L., McMurtrey, S., et al. (2020) “Neonatal pain detection in videos using the iCOPEvid dataset and an ensemble of descriptors extracted from Gaussian of Local Descriptors” Applied Computing and Informatics, p. 1–22.

Buzuti, L., Heideirich, T., Barros, M., Guinsburg, R. and Thomaz, C. (2020) “Neonatal Pain Assessment From Facial Expression Using Deep Neural Networks” In Anais do XVI Workshop de Visão Computacional (WVC 2020). Sociedade Brasileira de Computação - SBC. [link].

Carlini, L. P., Coutrin, G. de A. S., Ferreira, L. A., et al. (2024) “Human vs machine towards neonatal pain assessment: A comprehensive analysis of the facial features extracted by health professionals, parents, and convolutional neural networks” Artificial Intelligence in Medicine, v. 147, p. 102724.

Fontaine, D., Vielzeuf, V., Genestier, P., et al. (2022) “Artificial intelligence to evaluate postoperative pain based on facial expression recognition” European Journal of Pain, v. 26, n. 6, p. 1282–1291.

Guinsburg, R. e Cuenca A, M. C. C. (2019) “A linguagem da dor no recém-nascido” Documento Científico do Departamento de Neonatologia Sociedade Brasileira de Pediatria, v. 3, n. 9, p. 19–24.

Heiderich, T. M., Carlini, L. P., Buzuti, L. F., et al. (2023) “Face-based automatic pain assessment: challenges and perspectives in neonatal intensive care units” Jornal de Pediatria, v. 99, n. 6, p. 546–560.

Hoti, K., Chivers, P. T. and Hughes, J. D. (2021) “Assessing procedural pain in infants: a feasibility study evaluating a point-of-care mobile solution based on automated facial analysis” The Lancet Digital Health, v. 3, n. 10, p. e623–e634.

Macedo, J. S. e Müller, A. B. (2021) “Dor e medidas não-farmacológicas em prematuros hospitalizados” Revista Saúde - UNG-Ser, v. 15, n. 1/2, p. 23.

Othman, E., Werner, P., Saxen, F., et al. (2021) “Automatic vs. Human Recognition of Pain Intensity from Facial Expression on the X-ITE Pain Database” Sensors, v. 21, n. 9, p. 3273.

Salekin, M. S., Mouton, P. R., Zamzmi, G., et al. (2021) “Future roles of artificial intelligence in early pain management of newborns” Paediatric and Neonatal Pain, v. 3, n. 3, p. 134–145.

Silva, P. A. S. O. (2020) “Interpretação e reconhecimento de padrões para avaliação de dor em imagens faciais de recém-nascidos” Dissertação de Mestrado, Engenharia Elétrica, Centro Universitário FEI.

Zamzmi, G., Pai, C.-Y., Goldgof, D., et al. (2022) “A Comprehensive and ContextSensitive Neonatal Pain Assessment Using Computer Vision” IEEE Transactions on Affective Computing, v. 13, n. 1, p. 28–45.