stub AI нүүрний хувирлын үнэлгээгээр сэтгэцийн эрүүл мэндийн эмгэгийг оношлох нь - Unite.AI
бидэнтэй хамт холбоно

Эрүүл мэндийн

AI нүүрний илэрхийлэлийн үнэлгээгээр сэтгэцийн эрүүл мэндийн эмгэгийг оношлох

mm
шинэчлэгдсэн on

Германы эрдэмтэд компьютерийн хараагаар тайлбарласан нүүрний хувирал дээр үндэслэн сэтгэцийн эмгэгийг тодорхойлох аргыг боловсруулжээ.

Шинэ хандлага нь зөвхөн нөлөөнд автаагүй болон өртсөн хүмүүсийг ялгахаас гадна сэтгэлийн хямралыг шизофрени, түүнчлэн өвчтөн одоогоор өвчинд нэрвэгдсэн зэргийг зөв ялгаж чаддаг.

Судлаачид туршилтын хяналтын бүлэг (доорх зургийн зүүн талд) болон сэтгэцийн эмгэгтэй өвчтөнүүдийг (баруун талд) төлөөлсөн нийлмэл зургийг гаргажээ. Олон хүний ​​дүр төрхийг дүрслэлд нэгтгэсэн бөгөөд аль ч зураг нь тодорхой хувь хүнийг дүрсэлдэггүй:

Эх сурвалж: https://arxiv.org/pdf/2208.01369.pdf

Эх сурвалж: https://arxiv.org/pdf/2208.01369.pdf

Сэтгэл хөдлөлийн эмгэгтэй хүмүүс хөмсөг зангидсан, хар тугалгатай харц, хавдсан нүүр, унжсан нохойны амаа илэрхийлэх хандлагатай байдаг. Өвчтөний нууцлалыг хамгаалахын тулд эдгээр нийлмэл зургууд нь шинэ ажилд дэмжлэг үзүүлэх цорын ганц зураг юм.

Өнөөг хүртэл нүүрний нөлөөллийг таних аргыг үндсэн оношлох боломжит хэрэгсэл болгон ашиглаж ирсэн. Үүний оронд шинэ хандлага нь өвчтөний эмчилгээний явцад ахиц дэвшлийг үнэлэх боломжтой аргыг санал болгож байна, эсвэл амбулаторийн хяналтанд өөрийн дотоод орчинд (энэ талаар баримт бичигт санал болгоогүй ч гэсэн).

Баримт бичигт дурдсан байна*:

'Аффектив тооцоололд сэтгэл гутралын машин оношилгооноос давж гарсан нь өмнөх судалгааКомпьютерийн харааны тусламжтайгаар хэмжигдэхүйц нөлөөллийн төлөв нь цэвэр ангиллын ангиллаас хамаагүй илүү мэдээлэл агуулдаг болохыг бид харуулж байна.'

Судлаачид энэ техникийг нэрлэжээ Опто электрон энцефалографи (OEG) нь сэдэвчилсэн мэдрэгч эсвэл туяанд суурилсан эмнэлгийн дүрслэлийн технологийн оронд нүүрний дүрсний шинжилгээгээр сэтгэцийн төлөв байдлыг тодорхойлох бүрэн идэвхгүй арга юм.

Зохиогчид OEG нь зөвхөн оношилгоо, эмчилгээний хоёрдогч туслах төдийгүй, урт хугацаанд эмчилгээний шугамын зарим үнэлгээний хэсгийг орлуулах, өвчтөнд шаардлагатай цаг хугацааг багасгах боломжтой гэж дүгнэжээ. хяналт, анхны оношлогоо. Тэд тэмдэглэж байна:

"Ерөнхийдөө, машины урьдчилан таамагласан үр дүн нь цэвэр клиник ажиглагчийн үнэлгээнд суурилсан санал асуулгатай харьцуулахад илүү сайн уялдаа холбоог харуулж байгаа бөгөөд бас бодитой юм. Компьютерийн харааны арга барилыг хэмжих харьцангуй богино хугацаа хэдхэн минут байдаг нь бас анхаарал татахуйц, харин эмнэлзүйн ярилцлага хийхэд заримдаа хэдэн цаг шаардагддаг.'

Гэсэн хэдий ч зохиогчид энэ чиглэлээр өвчтөний тусламж үйлчилгээ нь олон талт эрэл хайгуул бөгөөд зөвхөн тэдний нүүрний хувиралаас гадна өвчтөний биеийн байдлын бусад олон үзүүлэлтийг харгалзан үзэх шаардлагатай бөгөөд ийм систем нь өвчтөний тусламж үйлчилгээ үзүүлэх боломжтой гэж үзэх нь эрт байна гэдгийг онцлон тэмдэглэхийг хүсч байна. сэтгэцийн эмгэгийн уламжлалт хандлагыг бүрэн орлуулах. Гэсэн хэдий ч тэд OEG-ийг ирээдүйтэй нэмэлт технологи, ялангуяа өвчтөний тогтоосон дэглэмийн дагуу эмийн эмчилгээний үр нөлөөг үнэлэх арга гэж үздэг.

The цаасан гэсэн гарчигтай Аффектийн эмгэгийн нүүр царай, мөн хувийн болон төрийн анагаах ухааны судалгааны салбараас өргөн хүрээний байгууллагуудын найман судлаачид ирдэг.

Өгөгдөл

(Шинэ нийтлэлд ихэвчлэн өвчтөний сэтгэцийн эмгэгийг оношлоход түгээмэл хэрэглэгддэг янз бүрийн онол, аргуудыг авч үздэг бөгөөд туршилт, янз бүрийн туршилтуудад ашигладаг бодит технологи, процессуудад ердийнхөөс бага анхаарал хандуулдаг)

Мэдээлэл цуглуулах ажиллагаа Аахен хотын их сургуулийн эмнэлэгт явагдсан бөгөөд хүйсийн тэнцвэртэй 100 өвчтөн, нөлөөлөлд өртөөгүй 50 хүний ​​хяналтын бүлэгтэй. Өвчтөнүүдийн дунд шизофрени өвчтэй 35 хүн, сэтгэлийн хямралд орсон 65 хүн багтжээ.

Туршилтын бүлгийн өвчтөний хэсгийн хувьд анхны хэмжилтийг эмнэлэгт хэвтэх үед, хоёр дахь удаагаа эмнэлгээс гарахын өмнө хийсэн бөгөөд дунджаар 12 долоо хоног үргэлжилсэн. Хяналтын бүлгийн оролцогчдыг орон нутгийн хүн амаас дур мэдэн сонгон авсан бөгөөд өөрсдийнхөө танилцуулга, "багадах" нь бодит өвчтөнүүдийнхтэй адил юм.

Үнэн хэрэгтээ, ийм туршилтын хамгийн чухал "үндсэн үнэн" нь батлагдсан болон стандарт аргаар олж авсан оношлогоо байх ёстой бөгөөд энэ нь OEG-ийн туршилтуудын хувьд байсан юм.

Гэсэн хэдий ч мэдээлэл цуглуулах үе шат нь машиныг тайлбарлахад илүү тохиромжтой нэмэлт мэдээллийг олж авсан: 90 кадр / сек хурдтай ажилладаг Logitech c270 хэрэглэгчийн вэб камерын тусламжтайгаар дунджаар 25 минутын ярилцлагыг гурван үе шаттайгаар авсан.

Эхний хуралдаан нь стандартаас бүрдсэн Хамилтоны ярилцлага (судалгааны үндсэн дээр гарал үүсэл 1960 орчим), жишээлбэл элсэлтийн үеэр өгдөг. Хоёрдахь үе шатанд ер бусын байдлаар өвчтөнүүдийг (болон хяналтын бүлгийн хамтрагчдыг) үзүүлэв видео хэд хэдэн нүүрний хувирлыг харуулсан бөгөөд тэдгээр нь тус бүрийг дуурайж, тухайн үеийн сэтгэцийн байдал, түүний дотор сэтгэл хөдлөлийн байдал, эрчмийг хэрхэн үнэлдэг талаар өөрсдийн үнэлгээг хэлэхийг хүссэн. Энэ үе шат нь арав орчим минут үргэлжилсэн.

Гурав дахь буюу эцсийн шатанд оролцогчдод жүжигчдийн 96 видеог үзүүлсэн бөгөөд тус бүр нь арав гаруйхан секунд үргэлжилсэн бөгөөд энэ нь сэтгэл хөдлөлийн хүчтэй туршлагыг өгүүлсэн бололтой. Дараа нь оролцогчдоос видеон дээр дүрслэгдсэн сэтгэл хөдлөл, эрч хүч, мөн өөрт тохирсон мэдрэмжийг үнэлэхийг хүсэв. Энэ үе шат 15 минут орчим үргэлжилсэн.

арга

Баригдсан царайнуудын дундаж дундажийг олохын тулд (дээрх эхний зургийг үзнэ үү) сэтгэл хөдлөлийн тэмдэглэгээг EmoNet хүрээ. Дараа нь нүүрний хэлбэр ба дундаж (дундаж) нүүрний хэлбэр хоорондын тохирлыг тодорхойлсон хэсэгчилсэн аффины хувиргалт.

Хэмжээст сэтгэл хөдлөлийг таних болон нүдний харцыг урьдчилан таамаглах өмнөх үе шатанд тодорхойлсон тэмдэглэгээний сегмент бүр дээр хийгдсэн.

Энэ үед дууд суурилсан сэтгэл хөдлөлийн дүгнэлт нь өвчтөний сэтгэцийн байдалд сургах боломжтой мөч ирснийг харуулж байгаа бөгөөд даалгавар нь нүүрний харгалзах дүр төрхийг авч, тэдний нөлөөллийн төлөвийн хэмжээ, хүрээг хөгжүүлэх явдал юм.

Байгаль дээрх царайнаас сэтгэл хөдлөлийн автомат шинжилгээ

(Дээрх видеон дээр бид судлаачдын шинэ ажилд ашигласан хэмжээст сэтгэл хөдлөлийг таних технологийн зохиогчдын боловсруулсан ажлыг харж байна).

Материалын хэлбэрийн геодезийг өгөгдлийн хүрээ тус бүрээр тооцоолж, Singular Value Decomposition (SVD) буурууллаа. Үр дүнгийн хугацааны цувааны өгөгдлийг эцэст нь загварчилсан VAR үйл явц, дараа нь өмнө нь SVD дамжуулан цаашид багасгасан MAP дасан зохицох.

Геодезийн бууралтын процессын ажлын урсгал.

Геодезийн бууралтын процессын ажлын урсгал.

EmoNet сүлжээн дэх валент болон сэрэл утгыг мөн VAR загварчлал болон дарааллын цөмийн тооцоололтой адил боловсруулсан.

Туршилтууд

Өмнө дурьдсанчлан, шинэ бүтээл нь компьютерийн харааны стандартаас илүүтэйгээр эрүүл мэндийн судалгааны бүтээл бөгөөд судлаачдын хийсэн олон төрлийн OEG туршилтуудыг гүнзгийрүүлэхийн тулд бид уншигчдад уг нийтлэлд ханддаг.

Гэсэн хэдий ч тэдгээрийн сонголтыг нэгтгэн дүгнэвэл:

Сэтгэцийн эмгэгийн шинж тэмдгүүд

Энд 40 оролцогч (хяналтын болон өвчтөний бүлгийн бус) өгөгдлийн контекстийн талаар мэдээлэл авалгүйгээр хэд хэдэн асуултын дагуу үнэлэгдсэн дундаж царайг (дээрхийг харна уу) үнэлэхийг хүссэн. Асуултууд нь:

Хоёр царай ямар хүйстэй вэ?
Нүүр царай нь сэтгэл татам дүр төрхтэй байдаг уу?
Эдгээр царай нь найдвартай хүмүүс мөн үү?
Эдгээр хүмүүсийн ажиллах чадварыг хэрхэн үнэлж байна вэ?
Хоёр царайны сэтгэл хөдлөл юу вэ?
Хоёр нүүрний арьс ямар байдаг вэ?
Харц нь ямар сэтгэгдэлтэй байна вэ?
Хоёр нүүрний амны булан унжсан байна уу?
Хоёр нүүр нь бор нүдтэй болсон уу?
Эдгээр хүмүүс клиник өвчтөн мөн үү?

Судлаачид эдгээр сохор үнэлгээ нь боловсруулсан өгөгдлийн бүртгэгдсэн төлөвтэй хамааралтай болохыг тогтоожээ.

"Дундаж царай" судалгааны үр дүн.

"Дундаж царай" судалгааны үр дүн.

Эмнэлзүйн үнэлгээ

Анхны үнэлгээнд OEG-ийн ашиг тусыг үнэлэхийн тулд судлаачид эхлээд стандарт эмнэлзүйн үнэлгээ өөрөө хэр үр дүнтэй болохыг үнэлж, индукц болон хоёр дахь үе шат (энэ үед өвчтөн ихэвчлэн эмэнд суурилсан эмчилгээ хийдэг) хоорондын сайжруулалтын түвшинг хэмжсэн.

Судлаачид энэ аргаар байдал, шинж тэмдгийн хүндийн зэргийг сайтар үнэлж, 0.82-ын хамааралд хүрч чадна гэж дүгнэжээ. Гэсэн хэдий ч шизофрени эсвэл сэтгэлийн хямралыг үнэн зөв оношлох нь илүү хэцүү байсан бөгөөд стандарт арга нь энэ эхний шатанд зөвхөн -0.03 оноо авдаг.

Зохиогчид тайлбар:

"Үнэндээ ердийн асуулга ашиглан өвчтөний байдлыг харьцангуй сайн тодорхойлох боломжтой. Гэсэн хэдий ч энэ нь үндсэндээ үүнээс дүгнэж болох бүх зүйл юм. Хэн нэгэн сэтгэлээр унасан эсвэл шизофренитэй эсэх нь тодорхойгүй байна. Эмчилгээний хариуд мөн адил хамаарна.'

Машины үйл явцын үр дүн нь энэ асуудлын талбарт илүү өндөр оноо авах боломжтой бөгөөд өвчтөний анхны үнэлгээний тал дээр харьцуулж болохуйц оноо авсан:

Илүү өндөр тоо нь илүү дээр юм. Зүүн талд, туршилтын архитектурын дөрвөн үе шатанд ярилцлагад суурилсан үнэлгээний нарийвчлалын стандарт үр дүн; баруун талд, машинд суурилсан үр дүн.

Илүү өндөр тоо нь илүү дээр юм. Зүүн талд, туршилтын архитектурын дөрвөн үе шатанд ярилцлагад суурилсан үнэлгээний нарийвчлалын стандарт үр дүн; баруун талд, машинд суурилсан үр дүн.

Эмгэг судлалын оношлогоо

Сэтгэлийн хямралыг шизофрени өвчнөөс салгах нь нүүрний хөдөлгөөнгүй дүрсээр ялгах нь тийм ч энгийн зүйл биш юм. Хөндлөнгөөс баталгаажуулсан машин процесс нь туршилтын янз бүрийн үе шатанд өндөр нарийвчлалтай оноо авч чадсан:

Бусад туршилтаар судлаачид OEG нь фармакологийн эмчилгээ, эмгэгийн ерөнхий эмчилгээгээр өвчтөний сайжруулалтыг мэдэрч чадна гэсэн нотолгоог харуулж чадсан.

Мэдээлэл цуглуулах талаархи эмпирик өмнөх мэдлэгтэй холбоотой учир шалтгааны дүгнэлт нь нүүрний динамикийн физиологийн зохицуулалтад эргэж орохын тулд фармакологийн эмчилгээг тохируулсан. Эмнэлзүйн жорын үед ийм өгөөж ажиглагдаагүй.

"Одоогийн байдлаар ийм машинд суурилсан зөвлөмж нь эмчилгээний үр дүнд ихээхэн үр дүнд хүрэх эсэх нь тодорхойгүй байна. Ялангуяа эм нь удаан хугацааны туршид ямар гаж нөлөө үзүүлж болохыг мэддэг учраас.

'Гэсэн хэдий ч өвчтөнд тохирсон [ийм төрлийн] арга барил нь өдөр тутмын амьдралд давамгайлсаар байгаа ангиллын нийтлэг схемийн саадыг эвдэх болно.'

 

* Миний зохиогчдын ишлэлийг гипер холбоос болгон хөрвүүлсэн нь.

Анх 3 оны 2022-р сарын XNUMX-нд нийтлэгдсэн.