• 研究生: 黃佳婷
• 畢業學年度: 109
• 相關連結

新開發之藥物於臨床使用前，一般需要先經過動物實驗進行驗證，由於老鼠易於養殖，因此經常作為動物實驗的主要測試標的。根據相關文獻指出，老鼠於疼痛時的臉部表情會有所不同，因此將疼痛的面部表情定義為老鼠鬼臉量表(Mouse grimace scale，MGS)。近年來亦有部份研究開始採用老鼠面部表情，做為手術前後或是自發性疼痛之評估。疼痛可以概分為急性與慢性疼痛，急性疼痛屬於短時間的劇烈疼痛，因此對於面部表情的影響非常明顯；相較之下，慢性疼痛則是屬於長時間的疼痛，程度不若急性疼痛劇烈，因此對於面部表情的影響較為不明顯。此外，慢性疼痛還有不定時出現的特性，因此如何偵測慢性疼痛，目前依然為一個極度具有挑戰性的研究主題。
近幾年來深度學習運用於辨識與學習臉部特徵已有許多應用，然而大多數的模型均需要明確地標註正樣本與負樣本，並且透過足夠多的訓練樣本，才能夠學習到其面部特徵。然而，基於前述的慢性疼痛特性，明確的正樣本(疼痛樣本)不易取得，因此難以如同急性疼痛一般，透過正負樣本直接訓練模型，使得機器學習其面部特徵。為了克服這個困難，本論文提出利用半監督式學習的方式，學習老鼠少部分於正常狀態以及疼痛之面部特徵，透過疼痛時面部表情與正常時的差異，用以辨別老鼠非健康的狀態，並藉由兩者的差異用以量化其疼痛指數。實驗部份藉由老鼠的慢性疼痛與兩種止痛藥(pregabalin及JMF3737)的生物實驗，驗證本論文提出的架構於慢性疼痛上之偵測與量化效果。