摘要 有效评估癌症疼痛需要对构成疼痛体验的所有组成部分进行细致的分析。实施自动疼痛评估 (APA) 方法和计算分析方法,特别关注情感内容,可以促进对疼痛的彻底描述。所提出的方法转向使用语音记录中的自动情感识别以及我们之前开发的用于检查疼痛面部表情的模型。对于训练和验证,我们采用了 EMOVO 数据集,该数据集模拟了六种情绪状态(大六)。由多层感知器组成的神经网络在 181 个韵律特征上进行了训练以对情绪进行分类。为了进行测试,我们使用了从癌症患者收集的访谈数据集并选择了两个案例研究。使用 Eudico Linguistic Annotator (ELAN) 6.7 版进行语音注释和连续面部表情分析(得出疼痛/无痛分类)。情绪分析模型的准确率达到 84%,所有类别的精确度、召回率和 F1 分数指标都令人鼓舞。初步结果表明,人工智能 (AI) 策略可用于从视频记录中连续估计情绪状态,揭示主要的情绪状态,并提供证实相应疼痛评估的能力。尽管存在局限性,但提出的 AI 框架仍表现出整体和实时疼痛评估的潜力,为肿瘤环境中的个性化疼痛管理策略铺平了道路。临床试验注册:NCT04726228。
教育经历 2003 年:意大利博洛尼亚大学材料科学与工程博士学位。 1999 年:帕多瓦大学环境法与政治课程。最佳论文奖。 1998 年:意大利帕多瓦大学化学硕士学位。成绩相当于 A 级。 2004 年:附加学位:意大利的里雅斯特国际高等研究学院 (ISAS) 科学传播硕士学位。成绩:A 级。科学传播奖。 2022 年:牛津战略创新计划课程 2022。 2004 年至 2011 年,她在意大利帕多瓦 Cesare Pollini 音乐学院学习“音乐作曲理论与技巧”。工作经历 2022- 奥斯陆大学技术系统系物理学正教授兼科长 2013-2022 奥斯陆大学技术系统系 (ITS) 副教授兼科长(2013-2016 年隶属于奥斯陆大学物理系) 2012-2016 大学研究生中心 (UNIK) 研究员 2010-2014 挪威能源技术研究所 (IFE) 研究员 2005-2010 挪威 IFE 物理系博士后(4 年零 10 个月) 2003-2005 帕多瓦大学机械工程与物理系博士后(28 个月) 2000-2002 获得博洛尼亚大学博士学位资助(3 年) 1999帕多瓦大学(9个月) 1995年 德国哥廷根大学有机化学研究所苏格拉底/伊拉斯谟奖学金(3个月) 2. 科学兴趣、资格
一般而言,这个Qi项目确实表明,在努力期间,对T2DM进行筛查的必要性是值得的。我们的团队在此期间确实面临一些挑战。作为一个较小的居民团队,每天的更多居民与4个PGY2居民一起跌落。我们的办公室经常忙碌而人手不足,这也导致筛查落后。我们确实尝试了尽可能多地整合,但最终我们的患者的需求确实必须在我们的Qi项目之前出现。如果将来可以在候诊室中提供问题,或者可以将它们添加到最初的问题中。配备困难使这些拟议的干预措施具有挑战性,从而增加了医疗助理/护理人员的压力。
BRCA2种系突变鉴定胃罐对PARP抑制剂的反应者Annalisa Petrelli 1,Sabrina rizzolio 1,Filippo Pietrantonio 2,Sara E. Bellomo 1.3,Matteo Benelli 4,Matteo Benelli 4,Loris de Cecco 5,Loris de Cecco 5,Dario Romagnoli 4,Enrico Berria Berria 1.6丹尼尔。 Moya-Rull 1, Cristina Migliore 1.3, Daniela Conticelli 1.3, Irene M. Maina 1.3, Elisabetta Puliga 1, Violeta Serra 7, Benedetta Pellegrino 8.9.10, Alba Llop-Guenvara 7, Antonino Musolino 8.9.10, Salvatore Siena 11.12, Andrea Sartore-Bianchi 11.12, Michele Prisciandaro 2.11,Federica Morano 2,Maria Antista 2,Uberto Fumagalli 13,Giovanni de Manzoni 14,Maurizio degiuli 15,Gian Luca Baiocchi 16,Marco F. Amisano 17