مقايسه كارآيي ماشين بردار پشتيبان و طبقهبندي بيزي در تشخيص درد ناشي از بيماري در كودكان مبتني بر الگوهاي دودويي محلي كاهش بعُد يافته

امروزه بسياري از بيماران توانايي بيان دردشان را دارند ، برخي از بيماران مانند كودكان قادر به بيان دردشان نيستند به عبارت ديگر هنوز به مرحله خوداظهاري نرسيده اند و والدين با يد به نمايندگي از طرف آنها در مورد دردشان براي پزشك توضيح دهند . هدف ما در اين مقاله اين است كه، بتوانيم با استفاده از مقايسه تغييرات حالات چهره كودكان در هنگام بيماري، درد ناشي از بيماري را تشخيص داده و در انتها حداكثر دقت تشخيص را به دست آوريم. بر اين اساس روي اين مبحث متمركز شده تا با تركيب علوم مهندسي با برخي مشكلات پزشكي،از قبيل تشخيص درد ناشي از بيماري در كودكان بتوانيم به رفع آنها كمك كنيم.در مرحله استخراج ويژگي، ويژگي هاي ناحيه چهره با استفاده از روش الگوهاي دودويي محلي يكنواخت(LBP) استخراج شده است. از ويژگي هاي مهم اين روش، مقاوت آن نسبت به تغييرات يكنواخت شدت روشنايي پيكسل ها و سادگي محاسباتي اين عملگر است، سادگي و سرعت محاسباتي اين عملگر امكان استفاده از آن را در سيستم هاي بلادرنگ فراهم كرده است. جهت بهبود سرعت و افزايش دقت در روند انجام آزمايش، بردارهاي ويژگي حاصل با روش آناليز مولفه هاي اصلي (PCA) كاهش بَعد يافتند. در مرحله نهايي سيستم پيشنهادي براساس آزمون متقابل 10 قسمتي بر روي 50 تصوير از پايگاه تصاويرCOPE ارزيابي شده است. در اين مرحله، براي تعيين كارآيي دقت طبقه بندي از SVM وClassifierNaïve Bayes استفاده شده است كه دقت تشخيص آنها به ترتيب 98% و 82% است.