该文章介绍了一种基于面部表情的自动疼痛感知系统，利用递归神经网络和条件随机场进行疼痛强度估计。通过个性化面部表情得分，模型性能优于传统方法。此外，提出了多种基于变压器的框架和模型，显著提升了疼痛识别的准确性和灵活性，尤其在非接触式自动疼痛识别方面表现突出。

该研究使用fNIRS监测脑活动并通过深度学习解决数据分类挑战。研究发现fNIRS网络在预测训练数据方面效果显著，但对于排除异常数据表现不佳。研究提出了将度量学习和监督方法融入fNIRS研究的方法，以提高网络的异常数据识别能力。实验结果显示该方法在各种fNIRS网络中明显提升性能，尤其是基于transformer的网络，可靠性得到了巨大改进。

该综述研究了基于非传感器的情感检测方法和技术，探讨了关键的研究趋势。未来的研究应提升非传感器检测模型的性能，积累更多样本来表示少数情感，识别额外的情感，并改进模型开发实践和方法。未来的研究还应将模型整合到CBLEs中进行实时检测，并深入了解情感对学习的影响。