В новом исследовании, результаты которого опубликованы в журнале Informatics, исследователи исследовали использование передовых методов машинного обучения для распознавания выражений лица как показателей ухудшения здоровья пациентов.

В исследовании использовалась систематическая методология для разработки и оценки модели конволюционной длинной кратковременной памяти (ConvLSTM) для распознавания выражений лица, особенно тех, которые указывают на ухудшение состояния пациента.

Сначала с помощью современных инструментов был создан набор данных трехмерных анимированных аватаров с различными выражениями лица. Эти аватары были разработаны таким образом, чтобы имитировать лица реальных людей с различными характеристиками, такими как возраст, этническая принадлежность и черты лица.

Результаты исследования показывают, что разработанная модель сверхточной долговременной кратковременной памяти (ConvLSTM) может точно прогнозировать риски для здоровья с впечатляющей точностью 99,89%, что может улучшить раннее выявление и улучшить результаты лечения пациентов в больничных условиях.