多伦多大学 发布 SynPAIN 数据集, 应用在 疼痛检测、算法偏差 领域

多伦多大学 本次发布的数据集 SynPAIN, SynPAIN是一个大规模的合成数据集，包含10710张面部表情图像（5355对中性/表情图像），跨越五个种族/民族，代表两个年龄组（年轻：20-35岁，老年：75岁以上），以及两个性别。使用商业生成式AI工具，我们创建了人口统计上平衡的合成身份，具有临床上有意义的疼痛表情。我们的验证表明，合成疼痛表情表现出预期的疼痛模式，使用基于面部动作单元分析的临床验证的疼痛评估工具，得分显著高于中性和非疼痛表情。我们通过实验证明SynPAIN在识别现有疼痛检测模型中的算法偏差方面的实用性。通过全面的偏差评估，我们揭示了在人口统计特征方面存在重大性能差异。这些性能差异以前在较小、不太多样化的数据集中是无法检测到的。此外，我们还证明，年龄匹配的合成数据增强提高了在真实临床数据上的疼痛检测性能，平均精确度提高了7.0%。SynPAIN通过提供第一个公开可用的、人口统计上多样化的合成数据集，专门为老年人疼痛检测而设计，同时建立了一个衡量和减轻算法偏差的框架，从而解决了疼痛评估研究中的关键差距。数据集可在SynPAIN获取。

查看SynPAIN

关于 多伦多大学 , 多伦多大学是位于加拿大的一所著名研究型大学，以其在科研和创新方面的卓越成就而闻名，拥有多个世界级的研究机构和中心。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。