Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC.
RESUMEN: Objetivo: Evaluar el dolor posquirúrgico en niños menores de 36 meses, mediante el reconocimiento de la expresión facial con algoritmos de inteligencia artificial y su comparación con la escala tradicional pediátrica Face, Legs, Activity, Cry, Consolability (FLACC). Métodos: Se tomaron vide...
- Autores:
-
Guzmán Martínez, Santiago
Peláez Caro, Christiam Andrés
- Tipo de recurso:
- Tesis
- Fecha de publicación:
- 2019
- Institución:
- Universidad de Antioquia
- Repositorio:
- Repositorio UdeA
- Idioma:
- spa
- OAI Identifier:
- oai:bibliotecadigital.udea.edu.co:10495/20410
- Acceso en línea:
- http://hdl.handle.net/10495/20410
- Palabra clave:
- Niño
Dolor postoperatorio
Reconocimiento facial
Inteligencia artificial
Red nerviosa
Pain, postoperative
Child
Facial recognition
Artificial intelligence
Nerve net
Escala Face, Legs, Activity, Cry, Consolability (FLACC)
http://id.nlm.nih.gov/mesh/D010149
http://id.nlm.nih.gov/mesh/D002648
http://id.nlm.nih.gov/mesh/D000066499
http://id.nlm.nih.gov/mesh/D001185
http://id.nlm.nih.gov/mesh/D009415
- Rights
- openAccess
- License
- http://creativecommons.org/licenses/by-nc-nd/2.5/co/
id |
UDEA2_aee35dfde3adc01f949a95d3ea7826d8 |
---|---|
oai_identifier_str |
oai:bibliotecadigital.udea.edu.co:10495/20410 |
network_acronym_str |
UDEA2 |
network_name_str |
Repositorio UdeA |
repository_id_str |
|
dc.title.spa.fl_str_mv |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
title |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
spellingShingle |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. Niño Dolor postoperatorio Reconocimiento facial Inteligencia artificial Red nerviosa Pain, postoperative Child Facial recognition Artificial intelligence Nerve net Escala Face, Legs, Activity, Cry, Consolability (FLACC) http://id.nlm.nih.gov/mesh/D010149 http://id.nlm.nih.gov/mesh/D002648 http://id.nlm.nih.gov/mesh/D000066499 http://id.nlm.nih.gov/mesh/D001185 http://id.nlm.nih.gov/mesh/D009415 |
title_short |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
title_full |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
title_fullStr |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
title_full_unstemmed |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
title_sort |
Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC. |
dc.creator.fl_str_mv |
Guzmán Martínez, Santiago Peláez Caro, Christiam Andrés |
dc.contributor.advisor.none.fl_str_mv |
Giraldo Salazar, Olga Lucía |
dc.contributor.author.none.fl_str_mv |
Guzmán Martínez, Santiago Peláez Caro, Christiam Andrés |
dc.subject.mesh.none.fl_str_mv |
Niño Dolor postoperatorio Reconocimiento facial Inteligencia artificial Red nerviosa Pain, postoperative Child Facial recognition Artificial intelligence Nerve net |
topic |
Niño Dolor postoperatorio Reconocimiento facial Inteligencia artificial Red nerviosa Pain, postoperative Child Facial recognition Artificial intelligence Nerve net Escala Face, Legs, Activity, Cry, Consolability (FLACC) http://id.nlm.nih.gov/mesh/D010149 http://id.nlm.nih.gov/mesh/D002648 http://id.nlm.nih.gov/mesh/D000066499 http://id.nlm.nih.gov/mesh/D001185 http://id.nlm.nih.gov/mesh/D009415 |
dc.subject.proposal.spa.fl_str_mv |
Escala Face, Legs, Activity, Cry, Consolability (FLACC) |
dc.subject.meshuri.none.fl_str_mv |
http://id.nlm.nih.gov/mesh/D010149 http://id.nlm.nih.gov/mesh/D002648 http://id.nlm.nih.gov/mesh/D000066499 http://id.nlm.nih.gov/mesh/D001185 http://id.nlm.nih.gov/mesh/D009415 |
description |
RESUMEN: Objetivo: Evaluar el dolor posquirúrgico en niños menores de 36 meses, mediante el reconocimiento de la expresión facial con algoritmos de inteligencia artificial y su comparación con la escala tradicional pediátrica Face, Legs, Activity, Cry, Consolability (FLACC). Métodos: Se tomaron videos a color del rostro de niños de 0 a 36 meses de un hospital universitario en el periodo postoperatorio. Se registraron signos vitales y puntuaciones de la escala FLACC, además de un juicio subjetivo por parte del acudiente y enfermera responsable. Con las imágenes obtenidas, se entrenó una red neuronal convolucional modificada para reconocimiento de rostros. Resultados: Se ingresaron 50 niños en un periodo de 12 meses, con edad promedio de 16,5 meses e intervención más frecuente procedimientos de cirugía general. La incidencia de dolor postoperatorio leve, moderado y grave fue de 24%, 11% y 5% respectivamente, para la población masculina; y de 20%,14% y 0% para la población femenina. Se aportaron al algoritmo un total de 2730 imágenes a color. El modelo elegido fue la red neuronal convolucional VGG-19 y cuando se comparó con la escala FLACC, obtuvo una baja sensibilidad, pero buena especificidad para clasificar la ausencia de dolor, aceptable sensibilidad y especificidad para la clasificación de dolor leve y muy buena sensibilidad para la clasificación de dolor moderado. No se obtuvo tasas de desempeño para discriminar la intensidad de dolor grave debido a la baja cantidad de niños con este tipo de dolor e incapacidad para entrenar al modelo. Conclusión: Es posible clasificar el dolor en este grupo de pacientes mediante el análisis de las expresiones faciales utilizando técnicas de procesamiento de imágenes y aprendizaje profundo. Un mayor número de datos puede mejorar la precisión y abarcar todos los espectros de la intensidad del dolor. |
publishDate |
2019 |
dc.date.issued.none.fl_str_mv |
2019 |
dc.date.accessioned.none.fl_str_mv |
2021-06-25T21:50:10Z |
dc.date.available.none.fl_str_mv |
2021-06-25T21:50:10Z |
dc.type.spa.fl_str_mv |
info:eu-repo/semantics/other |
dc.type.coarversion.fl_str_mv |
http://purl.org/coar/version/c_b1a7d7d4d402bcce |
dc.type.hasversion.spa.fl_str_mv |
info:eu-repo/semantics/draft |
dc.type.coar.spa.fl_str_mv |
http://purl.org/coar/resource_type/c_46ec |
dc.type.redcol.spa.fl_str_mv |
http://purl.org/redcol/resource_type/COther |
dc.type.local.spa.fl_str_mv |
Tesis/Trabajo de grado - Monografía - Especialización |
format |
http://purl.org/coar/resource_type/c_46ec |
status_str |
draft |
dc.identifier.uri.none.fl_str_mv |
http://hdl.handle.net/10495/20410 |
url |
http://hdl.handle.net/10495/20410 |
dc.language.iso.spa.fl_str_mv |
spa |
language |
spa |
dc.rights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
dc.rights.uri.*.fl_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ |
dc.rights.accessrights.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
dc.rights.creativecommons.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
eu_rights_str_mv |
openAccess |
rights_invalid_str_mv |
http://creativecommons.org/licenses/by-nc-nd/2.5/co/ http://purl.org/coar/access_right/c_abf2 https://creativecommons.org/licenses/by-nc-nd/4.0/ |
dc.format.extent.spa.fl_str_mv |
15 |
dc.format.mimetype.spa.fl_str_mv |
application/pdf |
dc.publisher.place.spa.fl_str_mv |
Medellín, Colombia |
institution |
Universidad de Antioquia |
bitstream.url.fl_str_mv |
http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/9/license.txt http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/6/Guzm%c3%a1nSantiago_2019_DolorPostoperatorioInteligenciaartificial.pdf http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/8/license_rdf |
bitstream.checksum.fl_str_mv |
8a4605be74aa9ea9d79846c1fba20a33 009d484533bdc5b9c0e7ba7cd2757bfb b88b088d9957e670ce3b3fbe2eedbc13 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositorio Institucional Universidad de Antioquia |
repository.mail.fl_str_mv |
andres.perez@udea.edu.co |
_version_ |
1812173178995212288 |
spelling |
Giraldo Salazar, Olga LucíaGuzmán Martínez, SantiagoPeláez Caro, Christiam Andrés2021-06-25T21:50:10Z2021-06-25T21:50:10Z2019http://hdl.handle.net/10495/20410RESUMEN: Objetivo: Evaluar el dolor posquirúrgico en niños menores de 36 meses, mediante el reconocimiento de la expresión facial con algoritmos de inteligencia artificial y su comparación con la escala tradicional pediátrica Face, Legs, Activity, Cry, Consolability (FLACC). Métodos: Se tomaron videos a color del rostro de niños de 0 a 36 meses de un hospital universitario en el periodo postoperatorio. Se registraron signos vitales y puntuaciones de la escala FLACC, además de un juicio subjetivo por parte del acudiente y enfermera responsable. Con las imágenes obtenidas, se entrenó una red neuronal convolucional modificada para reconocimiento de rostros. Resultados: Se ingresaron 50 niños en un periodo de 12 meses, con edad promedio de 16,5 meses e intervención más frecuente procedimientos de cirugía general. La incidencia de dolor postoperatorio leve, moderado y grave fue de 24%, 11% y 5% respectivamente, para la población masculina; y de 20%,14% y 0% para la población femenina. Se aportaron al algoritmo un total de 2730 imágenes a color. El modelo elegido fue la red neuronal convolucional VGG-19 y cuando se comparó con la escala FLACC, obtuvo una baja sensibilidad, pero buena especificidad para clasificar la ausencia de dolor, aceptable sensibilidad y especificidad para la clasificación de dolor leve y muy buena sensibilidad para la clasificación de dolor moderado. No se obtuvo tasas de desempeño para discriminar la intensidad de dolor grave debido a la baja cantidad de niños con este tipo de dolor e incapacidad para entrenar al modelo. Conclusión: Es posible clasificar el dolor en este grupo de pacientes mediante el análisis de las expresiones faciales utilizando técnicas de procesamiento de imágenes y aprendizaje profundo. Un mayor número de datos puede mejorar la precisión y abarcar todos los espectros de la intensidad del dolor.15application/pdfspainfo:eu-repo/semantics/draftinfo:eu-repo/semantics/otherhttp://purl.org/coar/resource_type/c_46echttp://purl.org/redcol/resource_type/COtherTesis/Trabajo de grado - Monografía - Especializaciónhttp://purl.org/coar/version/c_b1a7d7d4d402bcceinfo:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-nd/2.5/co/http://purl.org/coar/access_right/c_abf2https://creativecommons.org/licenses/by-nc-nd/4.0/NiñoDolor postoperatorioReconocimiento facialInteligencia artificialRed nerviosaPain, postoperativeChildFacial recognitionArtificial intelligenceNerve netEscala Face, Legs, Activity, Cry, Consolability (FLACC)http://id.nlm.nih.gov/mesh/D010149http://id.nlm.nih.gov/mesh/D002648http://id.nlm.nih.gov/mesh/D000066499http://id.nlm.nih.gov/mesh/D001185http://id.nlm.nih.gov/mesh/D009415Evaluación del dolor postquirúrgico en niños menores de 36 meses mediante reconocimiento facial y escala FLACC.Medellín, ColombiaEspecialista en Anestesiología y reanimaciónEspecializaciónFacultad de Medicina. Especialización en Anestesiología y ReanimaciónUniversidad de AntioquiaLICENSElicense.txtlicense.txttext/plain; charset=utf-81748http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/9/license.txt8a4605be74aa9ea9d79846c1fba20a33MD59ORIGINALGuzmánSantiago_2019_DolorPostoperatorioInteligenciaartificial.pdfGuzmánSantiago_2019_DolorPostoperatorioInteligenciaartificial.pdfTrabajo de grado de especializaciónapplication/pdf705073http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/6/Guzm%c3%a1nSantiago_2019_DolorPostoperatorioInteligenciaartificial.pdf009d484533bdc5b9c0e7ba7cd2757bfbMD56CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8823http://bibliotecadigital.udea.edu.co/bitstream/10495/20410/8/license_rdfb88b088d9957e670ce3b3fbe2eedbc13MD5810495/20410oai:bibliotecadigital.udea.edu.co:10495/204102021-06-25 17:01:58.075Repositorio Institucional Universidad de Antioquiaandres.perez@udea.edu.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 |