Garīgās veselības traucējumu diagnostika, izmantojot AI sejas izteiksmes novērtējumu

Pētnieki no Vācijas ir izstrādājuši metodi psihisku traucējumu noteikšanai, pamatojoties uz sejas izteiksmēm, ko interpretē datorredze.

Jaunā pieeja var ne tikai atšķirt neskartos un skartos subjektus, bet arī pareizi atšķirt depresiju no šizofrēnijas, kā arī to, cik lielā mērā pacientu pašlaik ir skārusi slimība.

Pētnieki ir iesnieguši saliktu attēlu, kas attēlo viņu pārbaužu kontroles grupu (attēla kreisajā pusē) un pacientus, kuri cieš no garīgiem traucējumiem (pa labi). Attēlos ir sajauktas vairāku cilvēku identitātes, un neviens attēls neattēlo konkrētu personu:

Avots: https://arxiv.org/pdf/2208.01369.pdf

Personām ar afektīviem traucējumiem mēdz būt paceltas uzacis, svina skatieni, pietūkušas sejas un pakārtsuņa mutes izteiksmes. Lai aizsargātu pacienta privātumu, šie saliktie attēli ir vienīgie, kas ir pieejami, lai atbalstītu jauno darbu.

Līdz šim sejas ietekmes atpazīšana galvenokārt tika izmantota kā potenciāls instruments pamata diagnozei. Tā vietā jaunā pieeja piedāvā iespējamu metodi pacienta progresa novērtēšanai visā ārstēšanas laikā vai arī (iespējams, lai gan dokumentā tas nav ieteikts) viņu pašu mājas vidē ambulatorai uzraudzībai.

Papīrā ir rakstīts*:

“Tiešām pārsniedzot depresijas mašīndiagnostiku afektīvajā skaitļošanā, kas tika izstrādāta iepriekšējs pētījumiem, mēs parādām, ka izmērāmais afektīvais stāvoklis, kas novērtēts ar datorredzes palīdzību, satur daudz vairāk informācijas nekā tīrā kategoriskā klasifikācija.

Pētnieki ir nodēvējuši šo tehniku Opto elektroniskā encefalogrāfija (OEG), pilnīgi pasīva metode garīgā stāvokļa izsecināšanai, izmantojot sejas attēla analīzi, nevis lokālus sensorus vai uz stariem balstītas medicīniskās attēlveidošanas tehnoloģijas.

Autori secina, ka OEG potenciāli varētu būt ne tikai sekundārs diagnostikas un ārstēšanas palīgs, bet ilgtermiņā potenciāls atsevišķu ārstēšanas cauruļvada izvērtējošo daļu aizstājējs, kas varētu samazināt pacientam nepieciešamo laiku. uzraudzība un sākotnējā diagnostika. Viņi atzīmē:

"Kopumā mašīnas prognozētie rezultāti uzrāda labākas korelācijas, salīdzinot ar anketām, kuru pamatā ir klīniskie novērotāji, un tie ir arī objektīvi. Ievērības cienīgs ir arī salīdzinoši īsais dažu minūšu mērīšanas periods datorredzes pieejām, savukārt klīniskajām intervijām dažkārt ir nepieciešamas stundas.

Tomēr autori vēlas uzsvērt, ka pacientu aprūpe šajā jomā ir multimodāla nodarbe, kurā jāņem vērā daudzi citi pacienta stāvokļa rādītāji, nevis tikai viņu sejas izteiksmes, un ka ir pāragri uzskatīt, ka šāda sistēma varētu pilnībā aizstāt tradicionālās pieejas garīgajiem traucējumiem. Tomēr viņi uzskata, ka OEG ir daudzsološa papildu tehnoloģija, jo īpaši kā metode farmaceitiskās ārstēšanas ietekmes noteikšanai pacientam paredzētajā režīmā.

Jūsu darbs IR Klientu apkalpošana papīrs tiek nosaukts Afektīvu traucējumu seja, un to nāk no astoņiem pētniekiem no dažādām iestādēm no privātā un valsts medicīnas pētniecības sektora.

Datums

(Jaunajā rakstā galvenokārt aplūkotas dažādas teorijas un metodes, kas šobrīd ir populāras psihisko traucējumu pacientu diagnostikā, pievēršot mazāku uzmanību faktiskajām tehnoloģijām un procesiem, ko izmanto testos un dažādos eksperimentos)

Datu vākšana notika Āhenes Universitātes slimnīcā, kurā piedalījās 100 dzimumu līdzsvaroti pacienti un 50 neskartu cilvēku kontroles grupa. Starp pacientiem bija 35 šizofrēnijas slimnieki un 65 cilvēki, kas cieš no depresijas.

Testa grupas pacientu daļai sākotnējie mērījumi tika veikti pirmās hospitalizācijas laikā, bet otrie – pirms viņu izrakstīšanas no slimnīcas, kas aptver vidēji 12 nedēļas. Kontroles grupas dalībnieki tika pieņemti darbā patvaļīgi no vietējiem iedzīvotājiem, un viņu pašu indukcija un “izvadīšana” atspoguļoja faktisko pacientu darbību.

Faktiski šāda eksperimenta vissvarīgākajai “patiesībai” ir jābūt diagnozēm, kas iegūtas ar apstiprinātām un standarta metodēm, un tas tā bija OEG izmēģinājumu gadījumā.

Tomēr datu vākšanas posmā tika iegūti papildu dati, kas bija piemērotāki mašīntulkošanai: intervijas, kuru ilgums vidēji bija 90 minūtes, tika uzņemtas trīs fāzēs, izmantojot Logitech c270 patērētāju tīmekļa kameru, kas darbojās ar ātrumu 25 kadri sekundē.

Pirmā sesija sastāvēja no standarta Hamiltona intervija (pamatojoties uz pētījumiem izcelsme ap 1960. gadu), kāds parasti tiktu izsniegts uzņemšanas laikā. Otrajā fāzē neparasti tika parādīti pacienti (un viņu kolēģi kontroles grupā). video sejas izteiksmes, un lūdza atdarināt katru no tām, vienlaikus norādot savu garīgo stāvokli tajā brīdī, tostarp emocionālo stāvokli un intensitāti. Šī fāze ilga apmēram desmit minūtes.

Trešajā un pēdējā fāzē dalībniekiem tika demonstrēti 96 aktieru video, katrs gari nedaudz vairāk par desmit sekundēm, acīmredzot stāstot par intensīviem emocionāliem pārdzīvojumiem. Pēc tam dalībniekiem tika lūgts novērtēt videoklipos attēlotās emocijas un intensitāti, kā arī savas atbilstošās sajūtas. Šī fāze ilga apmēram 15 minūtes.

Piegāde

Lai iegūtu vidējo tverto seju vidējo vērtību (skatiet pirmo attēlu iepriekš), emocionālie orientieri tika tverti ar EmoNet ietvaros. Pēc tam tika noteikta atbilstība starp sejas formu un vidējo (vidējo) sejas formu pa daļām afīna transformācija.

Dimensiju emociju atpazīšana un acu skatiena prognozēšana tika veikta katram orientiera segmentam, kas identificēts iepriekšējā posmā.

Šajā brīdī uz audio balstīta emociju secinājumi ir norādījuši, ka pacienta garīgajā stāvoklī ir pienācis mācāms brīdis, un uzdevums ir tvert atbilstošo sejas attēlu un attīstīt viņu ietekmes stāvokļa dimensiju un jomu.

(Augšējā videoklipā redzams darbs, ko izstrādājuši dimensiju emociju atpazīšanas tehnoloģiju autori, ko pētnieki izmantojuši jaunajam darbam).

Materiāla formas ģeodēziskā vērtība tika aprēķināta katram datu kadram un Singular Value Decomposition (SVD) piemērots samazinājums. Iegūtie laikrindu dati galu galā tika modelēti kā a VAR procesu un pēc tam vēl vairāk samazināt, izmantojot SVD KARTES adaptācija.

Ģeodēziskās samazināšanas procesa darbplūsma.

Valences un uzbudinājuma vērtības EmoNet tīklā tika arī līdzīgi apstrādātas ar VAR modelēšanu un secības kodola aprēķinu.

Eksperimenti

Kā paskaidrots iepriekš, jaunais darbs galvenokārt ir medicīnisks pētniecības darbs, nevis standarta datorredzes iesniegums, un mēs aicinām lasītāju uz pašu rakstu, lai padziļināti aprakstītu dažādus pētnieku veiktos OEG eksperimentus.

Tomēr, lai apkopotu to izlasi:

Afektīvo traucējumu pazīmes

Šeit 40 dalībniekiem (nevis no kontroles vai pacientu grupas) tika lūgts novērtēt novērtētās vidējās sejas (skatīt iepriekš) attiecībā uz vairākiem jautājumiem, neinformējot par datu kontekstu. Jautājumi bija:

Kāds ir abu seju dzimums?
Vai sejām ir pievilcīgs izskats?
Vai šīs sejas ir uzticamas personas?
Kā jūs vērtējat šo cilvēku spēju rīkoties?
Kādas ir abu seju emocijas?
Kāds ir abu seju ādas izskats?
Kāds ir skatiena iespaids?
Vai abām sejām ir noslīdējuši mutes kaktiņi?
Vai abām sejām ir paceltas brūnas acis?
Vai šīs personas ir klīniski pacienti?

Pētnieki atklāja, ka šie aklie novērtējumi ir saistīti ar apstrādāto datu reģistrēto stāvokli:

Kastes diagrammas rezultāti aptaujai “vidējā seja”.

Klīniskais novērtējums

Lai novērtētu OEG lietderību sākotnējā novērtējumā, pētnieki vispirms novērtēja, cik efektīvs ir standarta klīniskais novērtējums, mērot uzlabojumu līmeni starp indukciju un otro fāzi (līdz tam laikam pacients parasti saņem uz zālēm balstītu ārstēšanu.

Pētnieki secināja, ka ar šo metodi var labi novērtēt stāvokli un simptomu smagumu, panākot korelāciju 0.82. Tomēr precīza šizofrēnijas vai depresijas diagnoze izrādījās grūtāka, jo standarta metode šajā agrīnajā stadijā ieguva tikai -0.03, XNUMX.

Autori komentē:

“Būtībā pacienta statusu var salīdzinoši labi noteikt, izmantojot parastās anketas. Tomēr tas būtībā ir viss, ko no tā var secināt. Nav norādīts, vai kādam ir depresija vai drīzāk šizofrēnija. Tas pats attiecas uz ārstēšanas reakciju.

Mašīnas procesa rezultāti varēja iegūt augstākus punktus šajā problēmu jomā un salīdzināmus punktus sākotnējā pacienta novērtēšanas aspektā:

Lielāki skaitļi ir labāki. Kreisajā pusē standarta uz intervijām balstīti novērtējuma precizitātes rezultāti četrās testēšanas arhitektūras fāzēs; labajā pusē, uz mašīnām balstīti rezultāti.

Traucējumu diagnostika

Depresijas atšķiršana no šizofrēnijas, izmantojot statiskus sejas attēlus, nav mazsvarīgs jautājums. Savstarpēji pārbaudīts, mašīnas process varēja iegūt augstus precizitātes rādītājus dažādās izmēģinājumu fāzēs:

Citos eksperimentos pētnieki varēja pierādīt, ka OEG var uztvert pacienta uzlabošanos, izmantojot farmakoloģisko ārstēšanu un vispārējo traucējumu ārstēšanu:

"Cēloņsakarības secinājums par empīriskām iepriekšējām zināšanām par datu vākšanu koriģēja farmakoloģisko ārstēšanu, lai novērotu atgriešanos pie sejas dinamikas fizioloģiskā regulējuma. Klīniskās receptes laikā šādu atgriešanos nevarēja novērot.

"Pašlaik nav skaidrs, vai šāds uz mašīnu balstīts ieteikums patiešām radītu ievērojami labākus terapijas panākumus. Jo īpaši tāpēc, ka ir zināms, kādas blakusparādības medikamentiem var būt ilgākā laika periodā.

"Tomēr [šāda veida] pacientam pielāgotas pieejas pārvarētu parastās kategoriskās klasifikācijas shēmas šķēršļus, kas joprojām dominē ikdienas dzīvē."

* Es pārvēršu autoru iekļautos citātus par hipersaitēm.

Pirmo reizi publicēts 3. gada 2022. augustā.