Modello Transformer Leggero Sviluppato per il Riconoscimento del Dolore Utilizzando Dati di Attività Cerebrale fNIRS

I ricercatori hanno creato un innovativo framework transformer leggero finalizzato alla valutazione automatica del dolore attraverso l'analisi dell'attività cerebrale. Questo modello combina in modo intelligente diverse rappresentazioni di spettroscopia funzionale nel vicino infrarosso (fNIRS) utilizzando un approccio di tokenizzazione unificato, consentendo l'analisi simultanea di vari tipi di segnale senza complicare il processo. Impiegando una strategia di token-mixing, preserva importanti caratteristiche spaziali, temporali e tempo-frequenza allineando input diversi in un'unica rappresentazione latente. Una tecnica di segmentazione sistematica gestisce il livello di dettaglio dell'aggregazione dei dati locali e delle interazioni complessive. Le valutazioni utilizzando il dataset AI4Pain hanno dimostrato che il framework identifica efficacemente il dolore mantenendo al contempo l'efficienza computazionale. Questo lavoro, che sottolinea la natura complessa del dolore e i suoi impatti clinici e sociali vitali, evidenzia la necessità di valutazioni automatizzate affidabili. Lo studio è stato pubblicato su arXiv con l'identificatore 2604.16491v1.