Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | University of Haifa | - |
Autor(es): dc.contributor | The University of Nottingham | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.contributor | University of Lincoln | - |
Autor(es): dc.creator | Feighelstein, Marcelo | - |
Autor(es): dc.creator | Shimshoni, Ilan | - |
Autor(es): dc.creator | Finka, Lauren R. | - |
Autor(es): dc.creator | Luna, Stelio P. L. | - |
Autor(es): dc.creator | Mills, Daniel S. | - |
Autor(es): dc.creator | Zamansky, Anna | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:49:51Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:49:51Z | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2023-03-01 | - |
Data de envio: dc.date.issued | 2022-11-30 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1038/s41598-022-13348-1 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/241151 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/241151 | - |
Descrição: dc.description | Facial expressions in non-human animals are closely linked to their internal affective states, with the majority of empirical work focusing on facial shape changes associated with pain. However, existing tools for facial expression analysis are prone to human subjectivity and bias, and in many cases also require special expertise and training. This paper presents the first comparative study of two different paths towards automatizing pain recognition in facial images of domestic short haired cats (n = 29), captured during ovariohysterectomy at different time points corresponding to varying intensities of pain. One approach is based on convolutional neural networks (ResNet50), while the other—on machine learning models based on geometric landmarks analysis inspired by species specific Facial Action Coding Systems (i.e. catFACS). Both types of approaches reach comparable accuracy of above 72%, indicating their potential usefulness as a basis for automating cat pain detection from images. | - |
Descrição: dc.description | Information Systems Department University of Haifa | - |
Descrição: dc.description | School of Veterinary Medicine and Science The University of Nottingham | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University (Unesp), São Paulo | - |
Descrição: dc.description | School of Life Sciences Joseph Bank Laboratories University of Lincoln | - |
Descrição: dc.description | Department of Veterinary Surgery and Animal Reproduction School of Veterinary Medicine and Animal Science São Paulo State University (Unesp), São Paulo | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Scientific Reports | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Automated recognition of pain in cats | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: