Notice bibliographique
Résumé
Overview SynPAIN is a publicly available synthetic dataset to support pairwise pain detection models for older adults with dementia. It contains 10,710 facial expression images (5,355 neutral/expressive pairs) across five ethnicities/races, representing two age groups (young: 20-35, old: 75+), both genders, and two expression types (pain and non-pain). It also includes five-second, 24 fps videos transitioning from a neutral to an expressive face for 40 identities, representing one combination from each ethnicity/race, gender, expression type, and age group. Please check the metadata (under alternative URL) for a link to the HuggingFace repository of this dataset. Dataset Contents SynPAIN consists of the following: SynPain_Part1.zip: A zip file containing: SynPain.txt: A txt file explaining the data structure and filename format.<\li> SynPain_folds.txt: A txt file providing the folds that were used for the "within-dataset experiments" (Section IV of the SynPAIN paper) Images_Part1: A directory that contains 2,677 of the 5,355 images<\li> Videos: A directory that contains 40 videos, and for each video, the images they're based on<\li> SynPain_Part1.zip: A zip file containing: Images_Part2: A directory that contains 2,678 of the 5,355 images<\li> Citation If you use SynPAIN in your research, please cite the SynPAIN paper: Taati, B., Muzammil, M., Zarghami, Y., Moturu, A., Kazerouni, A., Mihailidis, A., Reimer, H., & Hadjistavropoulos, T. (2025). SynPAIN: A Synthetic Dataset of Pain and Non-Pain Facial Expressions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,005 | 0,004 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,229 | 0,279 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».