ຮັກສາສຸຂະພາບ
ການວິນິດໄສຄວາມຜິດປົກກະຕິດ້ານສຸຂະພາບຈິດຜ່ານການປະເມີນຜົນການສະແດງອອກທາງ AI
ນັກຄົ້ນຄວ້າຈາກເຢຍລະມັນໄດ້ພັດທະນາວິທີການກໍານົດຄວາມຜິດປົກກະຕິທາງດ້ານຈິດໃຈໂດຍອີງໃສ່ການສະແດງອອກທາງຫນ້າທີ່ຖືກຕີຄວາມໂດຍການເບິ່ງເຫັນຄອມພິວເຕີ.
ວິທີການໃຫມ່ບໍ່ພຽງແຕ່ສາມາດຈໍາແນກລະຫວ່າງຫົວຂໍ້ທີ່ບໍ່ໄດ້ຮັບຜົນກະທົບແລະຜົນກະທົບ, ແຕ່ຍັງສາມາດຈໍາແນກໄດ້ຢ່າງຖືກຕ້ອງກັບອາການຊຶມເສົ້າຈາກ schizophrenia, ເຊັ່ນດຽວກັນກັບລະດັບທີ່ຄົນເຈັບໄດ້ຮັບຜົນກະທົບຈາກພະຍາດດັ່ງກ່າວ.
ນັກຄົ້ນຄວ້າໄດ້ສະຫນອງຮູບພາບປະກອບທີ່ເປັນຕົວແທນຂອງກຸ່ມຄວບຄຸມສໍາລັບການທົດສອບຂອງພວກເຂົາ (ຢູ່ເບື້ອງຊ້າຍໃນຮູບຂ້າງລຸ່ມນີ້) ແລະຄົນເຈັບທີ່ມີອາການຜິດປົກກະຕິທາງຈິດ (ຂວາ). ການລະບຸຕົວຕົນຂອງຫຼາຍໆຄົນແມ່ນໄດ້ຖືກປະສົມເຂົ້າກັນໃນການເປັນຕົວແທນ, ແລະທັງສອງຮູບພາບບໍ່ໄດ້ພັນລະນາເຖິງບຸກຄົນສະເພາະ:
ບຸກຄົນທີ່ມີອາການກະທົບກະເທືອນມີແນວໂນ້ມທີ່ຈະມີ eyebrows ສູງ, gazes ນໍາພາ, ໃບຫນ້າໃຄ່ບວມແລະການສະແດງອອກປາກຫ້ອຍ. ເພື່ອປົກປ້ອງຄວາມເປັນສ່ວນຕົວຂອງຄົນເຈັບ, ຮູບພາບປະກອບເຫຼົ່ານີ້ແມ່ນຮູບດຽວທີ່ສ້າງຂຶ້ນເພື່ອສະຫນັບສະຫນູນວຽກງານໃຫມ່.
ຈົນກ່ວາໃນປັດຈຸບັນ, ການຮັບຮູ້ຜົນກະທົບຕໍ່ໃບຫນ້າໄດ້ຖືກນໍາໃຊ້ຕົ້ນຕໍເປັນເຄື່ອງມືທີ່ມີທ່າແຮງສໍາລັບການວິນິດໄສພື້ນຖານ. ວິທີການໃຫມ່, ແທນທີ່ຈະ, ສະເຫນີວິທີການທີ່ເປັນໄປໄດ້ເພື່ອປະເມີນຄວາມຄືບຫນ້າຂອງຄົນເຈັບຕະຫຼອດການປິ່ນປົວ, ຫຼືອື່ນໆ (ມີທ່າແຮງ, ເຖິງແມ່ນວ່າເອກະສານບໍ່ໄດ້ແນະນໍາມັນ) ໃນສະພາບແວດລ້ອມພາຍໃນຂອງຕົນເອງສໍາລັບການຕິດຕາມກວດກາຄົນເຈັບນອກ.
ເຈ້ຍຂຽນວ່າ *:
'ໄປນອກເຫນືອການວິນິດໄສເຄື່ອງຈັກຂອງການຊຶມເສົ້າໃນຄອມພິວເຕີ້ທີ່ມີຜົນກະທົບ, ເຊິ່ງໄດ້ຖືກພັດທະນາໃນ ທີ່ຜ່ານມາ ການສຶກສາ, ພວກເຮົາສະແດງໃຫ້ເຫັນວ່າລັດຜົນກະທົບທີ່ສາມາດວັດແທກໄດ້ທີ່ຄາດຄະເນໂດຍວິໄສທັດຄອມພິວເຕີມີຂໍ້ມູນຫຼາຍກ່ວາການຈັດປະເພດປະເພດທີ່ບໍລິສຸດ.'
ນັກຄົ້ນຄວ້າໄດ້ຂະຫນານນາມເຕັກນິກນີ້ Opto Electronic Encephalography (OEG), ເປັນວິທີການແບບຕົວຕັ້ງຕົວຕີຢ່າງສິ້ນເຊີງຂອງການປະເມີນສະພາບຈິດໃຈໂດຍການວິເຄາະຮູບພາບໃບໜ້າແທນທີ່ຈະເປັນເຊັນເຊີສະເພາະ ຫຼື ເທັກໂນໂລຍີການຖ່າຍຮູບທາງການແພດທີ່ອີງໃສ່ລັງສີ.
ຜູ້ຂຽນສະຫຼຸບວ່າ OEG ອາດຈະບໍ່ພຽງແຕ່ເປັນຜູ້ຊ່ວຍຮອງໃນການວິນິດໄສແລະການປິ່ນປົວ, ແຕ່ໃນໄລຍະຍາວ, ການທົດແທນທີ່ມີທ່າແຮງສໍາລັບບາງສ່ວນການປະເມີນຜົນຂອງທໍ່ການປິ່ນປົວ, ແລະຫນຶ່ງທີ່ສາມາດຕັດເວລາທີ່ຈໍາເປັນສໍາລັບຄົນເຈັບ. ການຕິດຕາມແລະການວິນິດໄສເບື້ອງຕົ້ນ. ພວກເຂົາສັງເກດວ່າ:
'ໂດຍລວມແລ້ວ, ຜົນໄດ້ຮັບທີ່ຄາດຄະເນໂດຍເຄື່ອງຈັກສະແດງໃຫ້ເຫັນຄວາມສໍາພັນທີ່ດີຂຶ້ນເມື່ອປຽບທຽບກັບແບບສອບຖາມຂອງຜູ້ສັງເກດການທາງດ້ານຄລີນິກທີ່ບໍລິສຸດແລະຍັງມີຈຸດປະສົງ. ໄລຍະເວລາການວັດແທກທີ່ຂ້ອນຂ້າງສັ້ນຂອງສອງສາມນາທີສໍາລັບວິທີການວິໄສທັດຄອມພິວເຕີແມ່ນເປັນທີ່ຫນ້າສັງເກດ, ໃນຂະນະທີ່ບາງຄັ້ງຊົ່ວໂມງແມ່ນຕ້ອງການສໍາລັບການສໍາພາດທາງດ້ານຄລີນິກ.'
ຢ່າງໃດກໍຕາມ, ຜູ້ຂຽນມີຄວາມກະຕືລືລົ້ນທີ່ຈະເນັ້ນຫນັກວ່າການດູແລຄົນເຈັບໃນພາກສະຫນາມນີ້ແມ່ນການດໍາເນີນການຫຼາຍຮູບແບບ, ມີຕົວຊີ້ວັດອື່ນໆຈໍານວນຫຼາຍຂອງສະຖານະການຄົນເຈັບທີ່ຈະພິຈາລະນາຫຼາຍກ່ວາພຽງແຕ່ການສະແດງອອກທາງຫນ້າຂອງເຂົາເຈົ້າ, ແລະວ່າມັນໄວເກີນໄປທີ່ຈະພິຈາລະນາວ່າລະບົບດັ່ງກ່າວສາມາດ. ທັງຫມົດທົດແທນວິທີການແບບດັ້ງເດີມກັບຄວາມຜິດປົກກະຕິທາງຈິດ. ຢ່າງໃດກໍຕາມ, ພວກເຂົາເຈົ້າພິຈາລະນາ OEG ເປັນເຕັກໂນໂລຊີ adjunct ທີ່ມີທ່າແຮງ, ໂດຍສະເພາະເປັນວິທີການຈັດລໍາດັບຜົນກະທົບຂອງການປິ່ນປົວຢາໃນລະບອບການກໍານົດຂອງຄົນເຈັບ.
ໄດ້ ເຈ້ຍ ແມ່ນຫົວຂໍ້ ໃບຫນ້າຂອງຄວາມຜິດປົກກະຕິທີ່ມີຜົນກະທົບ, ແລະມາຈາກແປດນັກຄົ້ນຄວ້າໃນທົ່ວສະຖາບັນທີ່ກວ້າງຂວາງຈາກຂະແຫນງການຄົ້ນຄວ້າທາງການແພດເອກະຊົນແລະສາທາລະນະ.
ຂໍ້ມູນ
(ເອກະສານໃຫມ່ສ່ວນໃຫຍ່ແມ່ນກ່ຽວກັບທິດສະດີຕ່າງໆແລະວິທີການທີ່ເປັນທີ່ນິຍົມໃນການວິນິດໄສຂອງຄົນເຈັບຂອງຄວາມຜິດປົກກະຕິທາງຈິດ, ໂດຍມີຄວາມສົນໃຈຫນ້ອຍກວ່າປົກກະຕິກັບເຕັກໂນໂລຢີແລະຂະບວນການຕົວຈິງທີ່ໃຊ້ໃນການທົດສອບແລະການທົດລອງຕ່າງໆ)
ການລວບລວມຂໍ້ມູນໄດ້ຈັດຂຶ້ນຢູ່ໂຮງຫມໍມະຫາວິທະຍາໄລທີ່ Aachen, ມີຄົນເຈັບທີ່ມີຄວາມສົມດຸນລະຫວ່າງຍິງຊາຍ 100 ຄົນແລະກຸ່ມຄວບຄຸມ 50 ຄົນທີ່ບໍ່ໄດ້ຮັບຜົນກະທົບ. ຄົນເຈັບລວມມີ 35 ຄົນທີ່ເປັນໂຣກ schizophrenia ແລະ 65 ຄົນທີ່ມີອາການຊຶມເສົ້າ.
ສໍາລັບພາກສ່ວນຄົນເຈັບຂອງກຸ່ມທົດສອບ, ການວັດແທກເບື້ອງຕົ້ນໄດ້ຖືກປະຕິບັດໃນເວລາທີ່ເຂົ້າໂຮງຫມໍຄັ້ງທໍາອິດ, ແລະຄັ້ງທີສອງກ່ອນທີ່ຈະອອກຈາກໂຮງຫມໍ, ໄລຍະເວລາສະເລ່ຍຂອງ 12 ອາທິດ. ຜູ້ເຂົ້າຮ່ວມໃນກຸ່ມຄວບຄຸມໄດ້ຖືກຄັດເລືອກໂດຍ arbitrarily ຈາກປະຊາກອນທ້ອງຖິ່ນ, ດ້ວຍການ induction ຂອງເຂົາເຈົ້າເອງແລະ 'ປ່ອຍອອກ' mirroring ຂອງຄົນເຈັບຕົວຈິງ.
ໃນຄວາມເປັນຈິງ, 'ຄວາມຈິງພື້ນຖານ' ທີ່ສໍາຄັນທີ່ສຸດສໍາລັບການທົດລອງດັ່ງກ່າວຕ້ອງເປັນການວິນິດໄສທີ່ໄດ້ຮັບໂດຍວິທີການທີ່ໄດ້ຮັບການອະນຸມັດແລະມາດຕະຖານ, ແລະນີ້ແມ່ນກໍລະນີສໍາລັບການທົດລອງ OEG.
ຢ່າງໃດກໍ່ຕາມ, ຂັ້ນຕອນການລວບລວມຂໍ້ມູນໄດ້ຮັບຂໍ້ມູນເພີ່ມເຕີມທີ່ເຫມາະສົມສໍາລັບການຕີຄວາມຫມາຍຂອງເຄື່ອງຈັກ: ການສໍາພາດໂດຍສະເລ່ຍ 90 ນາທີໄດ້ຖືກຈັບໃນໄລຍະສາມໄລຍະດ້ວຍເວັບແຄມຂອງຜູ້ບໍລິໂພກ Logitech c270 ທີ່ເຮັດວຽກຢູ່ທີ່ 25fps.
ກອງປະຊຸມຄັ້ງທໍາອິດປະກອບດ້ວຍມາດຕະຖານ ການສໍາພາດ Hamilton (ອີງໃສ່ການຄົ້ນຄວ້າ ມີຕົ້ນ ກຳ ເນີດ ປະມານປີ 1960), ເຊັ່ນວ່າປົກກະຕິຈະໄດ້ຮັບການໃຫ້ເຂົ້າຮຽນ. ໃນໄລຍະທີສອງ, ຜິດປົກກະຕິ, ຄົນເຈັບ (ແລະຄູ່ຮ່ວມງານຂອງພວກເຂົາໃນກຸ່ມຄວບຄຸມ) ໄດ້ສະແດງໃຫ້ເຫັນ ວິດີໂອ ຂອງຊຸດການສະແດງອອກທາງຫນ້າ, ແລະຂໍໃຫ້ mimic ແຕ່ລະຄົນເຫຼົ່ານີ້, ໃນຂະນະທີ່ລະບຸການຄາດຄະເນຂອງຕົນເອງກ່ຽວກັບສະພາບຈິດໃຈຂອງເຂົາເຈົ້າໃນເວລານັ້ນ, ລວມທັງສະພາບອາລົມແລະຄວາມເຂັ້ມຂົ້ນ. ໄລຍະນີ້ໃຊ້ເວລາປະມານສິບນາທີ.
ໃນໄລຍະທີ 96 ແລະສຸດທ້າຍ, ຜູ້ເຂົ້າຮ່ວມໄດ້ຮັບການສະແດງໃຫ້ເຫັນ 15 ວິດີໂອຂອງນັກສະແດງ, ທີ່ໃຊ້ເວລາພຽງແຕ່ສິບວິນາທີແຕ່ລະຄົນ, ແນ່ນອນວ່າ recalling ປະສົບການທາງຈິດໃຈທີ່ເຂັ້ມແຂງ. ຫຼັງຈາກນັ້ນ, ຜູ້ເຂົ້າຮ່ວມໄດ້ຖືກຮ້ອງຂໍໃຫ້ປະເມີນຄວາມຮູ້ສຶກແລະຄວາມເຂັ້ມຂົ້ນທີ່ເປັນຕົວແທນໃນວິດີໂອ, ເຊັ່ນດຽວກັນກັບຄວາມຮູ້ສຶກທີ່ສອດຄ້ອງກັນຂອງຕົນເອງ. ໄລຍະນີ້ໃຊ້ເວລາປະມານ XNUMX ນາທີ.
ວິທີການ
ເພື່ອໄປຮອດຄ່າສະເລ່ຍຂອງໃບຫນ້າທີ່ຖືກຈັບ (ເບິ່ງຮູບທໍາອິດ, ຂ້າງເທິງ), ຈຸດສໍາຄັນທາງອາລົມໄດ້ຖືກຈັບດ້ວຍ ອີໂມເນັດ ກອບ. ຫຼັງຈາກນັ້ນ, ການຕອບສະ ໜອງ ລະຫວ່າງຮູບຮ່າງຂອງໃບ ໜ້າ ແລະຮູບຮ່າງຂອງໃບ ໜ້າ ສະເລ່ຍ (ສະເລ່ຍ) ໄດ້ຖືກກໍານົດໂດຍຜ່ານ ການຫັນເປັນ affine ສິ້ນ.
ການຮັບຮູ້ຄວາມຮູ້ສຶກແບບມິຕິ ແລະ ການຄາດຄະເນ gaze ຕາ ໄດ້ຖືກປະຕິບັດໃນແຕ່ລະພາກສ່ວນຈຸດຫມາຍທີ່ໄດ້ລະບຸໄວ້ໃນຂັ້ນຕອນທີ່ຜ່ານມາ.
ໃນຈຸດນີ້, ການອ້າງອີງຄວາມຮູ້ສຶກທີ່ອີງໃສ່ສຽງໄດ້ຊີ້ໃຫ້ເຫັນວ່າຊ່ວງເວລາທີ່ສາມາດສອນໄດ້ມາຮອດສະພາບຈິດໃຈຂອງຄົນເຈັບ, ແລະວຽກງານແມ່ນເພື່ອເກັບກໍາຮູບພາບໃບຫນ້າທີ່ສອດຄ້ອງກັນແລະພັດທະນາຂະຫນາດແລະໂດເມນຂອງສະຖານະຜົນກະທົບຂອງພວກເຂົາ.
(ໃນວິດີໂອຂ້າງເທິງ, ພວກເຮົາເຫັນການເຮັດວຽກທີ່ພັດທະນາໂດຍຜູ້ຂຽນຂອງເຕັກໂນໂລຢີການຮັບຮູ້ຄວາມຮູ້ສຶກຂອງມິຕິມິຕິທີ່ໃຊ້ໂດຍນັກຄົ້ນຄວ້າສໍາລັບວຽກງານໃຫມ່).
ຮູບຮ່າງ geodesic ຂອງວັດສະດຸໄດ້ຖືກຄິດໄລ່ສໍາລັບແຕ່ລະກອບຂອງຂໍ້ມູນ, ແລະການຍ່ອຍສະຫຼາຍມູນຄ່າ Singular (Svd) ການຫຼຸດຜ່ອນໄດ້ນໍາໃຊ້. ຂໍ້ມູນຊຸດເວລາຜົນໄດ້ຮັບໃນທີ່ສຸດກໍຖືກສ້າງແບບຈໍາລອງເປັນ a VAR ຂະບວນການ, ແລະຫຼັງຈາກນັ້ນຫຼຸດລົງຕື່ມອີກໂດຍຜ່ານ SVD ກ່ອນ ການປັບຕົວແຜນທີ່.
ຄ່າ valence ແລະ arousal ໃນເຄືອຂ່າຍ EmoNet ຍັງຖືກປະມວນຜົນແບບດຽວກັນກັບການສ້າງແບບຈໍາລອງ VAR ແລະການຄິດໄລ່ kernel ລໍາດັບ.
ປະສົບການ
ດັ່ງທີ່ໄດ້ອະທິບາຍໄວ້ກ່ອນຫນ້ານີ້, ວຽກງານໃຫມ່ແມ່ນຕົ້ນຕໍເປັນເອກະສານການຄົ້ນຄວ້າທາງການແພດແທນທີ່ຈະເປັນການຍື່ນສະເຫນີວິໄສທັດຄອມພິວເຕີມາດຕະຖານ, ແລະພວກເຮົາສົ່ງຜູ້ອ່ານໄປຫາກະດາດຕົວມັນເອງສໍາລັບການຄຸ້ມຄອງໃນຄວາມເລິກຂອງການທົດລອງ OEG ທີ່ຫຼາກຫຼາຍທີ່ດໍາເນີນການໂດຍນັກຄົ້ນຄວ້າ.
ຢ່າງໃດກໍຕາມ, ເພື່ອສະຫຼຸບການຄັດເລືອກຂອງພວກເຂົາ:
ອາການທີ່ບໍ່ເປັນລະບຽບທີ່ມີຜົນກະທົບ
ໃນທີ່ນີ້ 40 ຜູ້ເຂົ້າຮ່ວມ (ບໍ່ແມ່ນມາຈາກກຸ່ມຄວບຄຸມຫຼືຄົນເຈັບ) ໄດ້ຖືກຮ້ອງຂໍໃຫ້ປະເມີນໃບຫນ້າສະເລ່ຍທີ່ຖືກປະເມີນ (ເບິ່ງຂ້າງເທິງ) ກ່ຽວກັບຄໍາຖາມຈໍານວນຫນຶ່ງ, ໂດຍບໍ່ມີການແຈ້ງໃຫ້ຊາບກ່ຽວກັບສະພາບການຂອງຂໍ້ມູນ. ຄໍາຖາມແມ່ນ:
ເພດຂອງສອງໃບຫນ້າແມ່ນຫຍັງ?
ໃບຫນ້າມີຮູບລັກສະນະທີ່ຫນ້າສົນໃຈບໍ?
ໃບຫນ້າເຫຼົ່ານີ້ເປັນບຸກຄົນທີ່ຫນ້າເຊື່ອຖືບໍ?
ເຈົ້າປະເມີນຄວາມສາມາດຂອງບຸກຄົນເຫຼົ່ານີ້ເພື່ອປະຕິບັດແນວໃດ?
ຄວາມຮູ້ສຶກຂອງທັງສອງໃບຫນ້າແມ່ນຫຍັງ?
ຜິວໜັງຂອງສອງໜ້າເປັນແນວໃດ?
ຄວາມປະທັບໃຈຂອງ gaze ແມ່ນຫຍັງ?
ສອງໜ້າມີປາກເປື່ອຍບໍ່?
ສອງໜ້າມີນ້ຳຕານຂຶ້ນບໍ?
ຄົນເຫຼົ່ານີ້ແມ່ນຄົນເຈັບທາງດ້ານຄລີນິກບໍ?
ນັກຄົ້ນຄວ້າພົບວ່າການປະເມີນຜົນຕາບອດເຫຼົ່ານີ້ກ່ຽວຂ້ອງກັບສະຖານະລົງທະບຽນຂອງຂໍ້ມູນທີ່ຖືກປຸງແຕ່ງ:
ການປະເມີນທາງດ້ານຄລີນິກ
ເພື່ອວັດແທກຜົນປະໂຫຍດຂອງ OEG ໃນການປະເມີນເບື້ອງຕົ້ນ, ນັກຄົ້ນຄວ້າທໍາອິດໄດ້ປະເມີນວິທີການປະເມີນມາດຕະຖານທາງດ້ານຄລີນິກທີ່ມີປະສິດຕິຜົນໂດຍຕົວມັນເອງ, ການວັດແທກລະດັບການປັບປຸງລະຫວ່າງ induction ແລະໄລຍະທີສອງ (ໂດຍປົກກະຕິຄົນເຈັບແມ່ນໄດ້ຮັບການປິ່ນປົວດ້ວຍຢາ.
ນັກຄົ້ນຄວ້າໄດ້ສະຫຼຸບວ່າສະຖານະການແລະຄວາມຮຸນແຮງຂອງອາການສາມາດຖືກປະເມີນໄດ້ດີໂດຍວິທີນີ້, ບັນລຸຄວາມສໍາພັນຂອງ 0.82. ຢ່າງໃດກໍ່ຕາມ, ການວິນິດໄສທີ່ຖືກຕ້ອງຂອງພະຍາດ schizophrenia ຫຼືຊຶມເສົ້າໄດ້ພິສູດວ່າທ້າທາຍຫຼາຍ, ດ້ວຍວິທີການມາດຕະຖານພຽງແຕ່ໄດ້ຮັບຄະແນນ -0.03 ໃນຂັ້ນຕອນຕົ້ນນີ້.
ຜູ້ຂຽນຄໍາເຫັນ:
'ໂດຍເນື້ອແທ້ແລ້ວ, ສະຖານະການຄົນເຈັບສາມາດຖືກກໍານົດຂ້ອນຂ້າງດີໂດຍໃຊ້ແບບສອບຖາມປົກກະຕິ. ຢ່າງໃດກໍຕາມ, ມັນເປັນສິ່ງຈໍາເປັນທັງຫມົດທີ່ສາມາດສະຫຼຸບໄດ້ຈາກມັນ. ບໍ່ໄດ້ບົ່ງບອກວ່າຜູ້ໃດຜູ້ໜຶ່ງເປັນພະຍາດຊຶມເສົ້າ ຫຼືເປັນພະຍາດຈິດວິນຍານຫຼາຍກວ່າເກົ່າ. ອັນດຽວກັນໃຊ້ກັບການຕອບສະໜອງການປິ່ນປົວ.'
ຜົນໄດ້ຮັບຈາກຂະບວນການເຄື່ອງຈັກສາມາດໄດ້ຮັບຄະແນນສູງກວ່າໃນຂົງເຂດບັນຫານີ້, ແລະຄະແນນປຽບທຽບສໍາລັບລັກສະນະການປະເມີນຜົນຂອງຄົນເຈັບເບື້ອງຕົ້ນ:
ການວິນິດໄສຜິດປົກກະຕິ
ການຈໍາແນກການຊຶມເສົ້າຈາກ schizophrenia ຜ່ານຮູບພາບໃບຫນ້າຄົງທີ່ບໍ່ແມ່ນເລື່ອງເລັກນ້ອຍ. ຜ່ານການກວດສອບ, ຂະບວນການເຄື່ອງຈັກສາມາດໄດ້ຮັບຄະແນນຄວາມຖືກຕ້ອງສູງໃນທົ່ວໄລຍະຕ່າງໆຂອງການທົດລອງ:
ໃນການທົດລອງອື່ນໆ, ນັກຄົ້ນຄວ້າສາມາດສະແດງໃຫ້ເຫັນຫຼັກຖານທີ່ OEG ສາມາດຮັບຮູ້ການປັບປຸງຄົນເຈັບໂດຍຜ່ານການປິ່ນປົວທາງຢາ, ແລະການປິ່ນປົວທົ່ວໄປຂອງຄວາມຜິດປົກກະຕິ:
'ການ inference ສາເຫດໃນໄລຍະຄວາມຮູ້ເບື້ອງຕົ້ນ empirical ຂອງການເກັບກໍາຂໍ້ມູນໄດ້ປັບການປິ່ນປົວທາງດ້ານການຢາເພື່ອສັງເກດການກັບຄືນໄປສູ່ລະບຽບ physiological ຂອງນະໂຍບາຍດ້ານ facial. ການກັບຄືນມາດັ່ງກ່າວບໍ່ສາມາດສັງເກດເຫັນໄດ້ໃນລະຫວ່າງການສັ່ງຢາທາງຄລີນິກ.
'ໃນເວລານີ້, ມັນບໍ່ຊັດເຈນວ່າຄໍາແນະນໍາທີ່ອີງໃສ່ເຄື່ອງຈັກດັ່ງກ່າວຈະສົ່ງຜົນໃຫ້ການປິ່ນປົວທີ່ດີຂຶ້ນຢ່າງຫຼວງຫຼາຍ. ໂດຍສະເພາະແມ່ນຍ້ອນວ່າມັນເປັນທີ່ຮູ້ຈັກວ່າຢາປິ່ນປົວຂ້າງຄຽງທີ່ສາມາດມີໃນໄລຍະເວລາດົນນານ.
'ຢ່າງໃດກໍ່ຕາມ, ວິທີການທີ່ປັບແຕ່ງແບບຄົນເຈັບເຫຼົ່ານີ້ຈະທໍາລາຍອຸປະສັກຂອງການຈັດປະເພດປະເພດທົ່ວໄປທີ່ຍັງຄົງໃຊ້ຢ່າງເດັ່ນຊັດໃນຊີວິດປະຈໍາວັນ.'
* ການປ່ຽນແປງຂອງຂ້າພະເຈົ້າຂອງການອ້າງອີງ inline ຂອງຜູ້ຂຽນເປັນ hyperlinks.
ພິມຄັ້ງທຳອິດໃນວັນທີ 3 ສິງຫາ 2022.