“Reconocimiento de Expresiones Faciales de dolor utilizando Redes Neuronales Convolucionales”, se denomina el Trabajo Final de Grado (TFG) presentado por los ahora Ingenieros Mecatrónicos, Stefanía Yuliana Viterbori Ugarte y Jorge Enrique Hernáez Acha, como última prueba para egresar de la carrera Ingeniería Mecatrónica de la Facultad de Ingeniería de la Universidad Nacional de Asunción (FIUNA). La exitosa defensa del trabajo se realizó el pasado miércoles 28 de febrero en la Institución.

En los últimos años los avances en la inteligencia artificial han permitido el desarrollo de sistemas inteligentes capaces de ser utilizados en una amplia gama de aplicaciones. Estas aplicaciones no solo se han beneficiado del desarrollo, sino que implementaciones como vehículos autónomos y drones auto navegados han ayudado a este desarrollo tanto en el campo de la inteligencia artificial, como la visión computacional y el procesamiento de imágenes.

Por otro lado, en el campo de la medicina muchas empresas ya se encuentran implementando sistemas inteligentes para asistencia en diagnóstico y monitoreo de pacientes a través de visión computacional. Esto permite una mayor rapidez y precisión en la detección de enfermedades. Se espera que estas tecnologías den pie a una nueva revolución tecnológica con los hospitales inteligentes, donde se proveerá de servicios integrales a los pacientes y médicos.

Las redes neuronales convolucionales son modelos computacionales diseñados para procesar y clasificar imágenes con altísima exactitud y precisión. En la medicina, técnicas de procesamiento de imágenes ya auxilian a los profesionales en el diagnóstico de enfermedades como el cáncer. En general, el malestar es medido por auto-reportes de pacientes, normalmente mediante comunicación verbal. Hoy se sabe que es posible medir el dolor a partir de cambios en las expresiones faciales. En este trabajo se describe un método de detección de dolor imagen por imagen utilizando redes neuronales convolucionales, las cuales fueron entrenadas con una base de datos que consiste en imágenes, etiquetadas por especialistas, de pacientes que experimentaban dolor de hombro. Esto se realiza de dos formas: Directamente, utilizando las puntuaciones de la escala de dolor PSPI e indirectamente, detectando las unidades de acción relacionadas al dolor. Los resultados indicaron que la detección de dolor a partir de las expresiones faciales pueden lograr una alta exactitud.