Диагностика психических расстройств с помощью оценки выражения лица ИИ

Исследователи из Германии разработали метод выявления психических расстройств на основе выражений лица, интерпретируемых компьютерным зрением.

Новый подход позволяет не только различать здоровых и больных субъектов, но и правильно отличать депрессию от шизофрении, а также степень, в которой пациент в настоящее время поражен болезнью.

Исследователи предоставили составное изображение, которое представляет контрольную группу для их тестов (слева на изображении ниже) и пациентов, страдающих психическими расстройствами (справа). В изображениях смешаны личности нескольких людей, и ни одно из изображений не изображает конкретного человека:

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

Лица с аффективными расстройствами, как правило, имеют приподнятые брови, свинцовый взгляд, опухшие лица и выражение рта висячей собаки. Чтобы защитить конфиденциальность пациентов, эти составные изображения являются единственными доступными в поддержку новой работы.

До сих пор распознавание эмоций по лицу в основном использовалось как потенциальный инструмент для базовой диагностики. Вместо этого новый подход предлагает возможный метод оценки прогресса пациента на протяжении всего лечения или же (потенциально, хотя в документе это не предлагается) в их собственной домашней среде для амбулаторного мониторинга.

В документе указано*:

«Выходя за рамки машинной диагностики депрессии в аффективных вычислениях, которые были разработаны в предыдущий исследованиямы показываем, что измеримое аффективное состояние, оцениваемое с помощью компьютерного зрения, содержит гораздо больше информации, чем чистая категориальная классификация».

Исследователи назвали этот метод Оптоэлектронная энцефалография (OEG), полностью пассивный метод определения психического состояния путем анализа изображения лица вместо местных датчиков или технологий медицинской визуализации на основе лучей.

Авторы приходят к выводу, что ОЭГ потенциально может быть не просто второстепенным помощником в диагностике и лечении, но в долгосрочной перспективе потенциальной заменой определенных оценочных частей процесса лечения и тем, что может сократить время, необходимое пациенту. мониторинг и первичная диагностика. Они отмечают:

«В целом, результаты, предсказанные машиной, показывают лучшую корреляцию по сравнению с чисто анкетами, основанными на рейтингах клинических наблюдателей, и также являются объективными. Следует также отметить относительно короткий период измерения, составляющий несколько минут для подходов компьютерного зрения, в то время как для клинических интервью иногда требуются часы».

Тем не менее, авторы стремятся подчеркнуть, что уход за пациентами в этой области является мультимодальным занятием, при котором необходимо учитывать множество других показателей состояния пациентов, а не только их выражение лица, и что еще слишком рано думать, что такая система могла бы быть полезной. полностью заменить традиционные подходы к психическим расстройствам. Тем не менее, они считают ОЭГ многообещающей дополнительной технологией, особенно в качестве метода оценки эффектов фармацевтического лечения в соответствии с предписанным пациентом режимом.

Ассоциация бумаги называется Лицо аффективных расстройств, и исходит от восьми исследователей из широкого круга учреждений из частного и государственного сектора медицинских исследований.

Данные

(Новая статья посвящена в основном различным теориям и методам, которые в настоящее время популярны в диагностике психических расстройств у пациентов, с меньшим вниманием, чем обычно, к фактическим технологиям и процессам, используемым в тестах и ​​различных экспериментах)

Сбор данных проводился в Университетской больнице в Аахене с участием 100 пациентов с гендерным балансом и контрольной группой из 50 здоровых людей. Среди больных было 35 больных шизофренией и 65 человек, страдающих депрессией.

Для части пациентов испытуемой группы первоначальные измерения проводились во время первой госпитализации, а вторые — перед выпиской из больницы, со средним интервалом в 12 недель. Участники контрольной группы были набраны произвольно из местного населения, и их собственная индукция и «выписка» отражали таковые у реальных пациентов.

По сути, наиболее важной «основной истиной» для такого эксперимента должны быть диагнозы, полученные утвержденными и стандартными методами, и это имело место в испытаниях ОЭГ.

Однако на этапе сбора данных были получены дополнительные данные, более подходящие для машинной интерпретации: интервью продолжительностью в среднем 90 минут были сняты в три этапа с помощью пользовательской веб-камеры Logitech c270, работающей со скоростью 25 кадров в секунду.

Первая сессия состоит из стандартных Гамильтон интервью (на основании исследования порожденный около 1960 г.), такие, которые обычно выдаются при поступлении. На втором этапе, что необычно, пациентам (и их коллегам в контрольной группе) показывали видео серии выражений лица и попросили имитировать каждое из них, заявляя при этом свою собственную оценку своего психического состояния в то время, включая эмоциональное состояние и интенсивность. Эта фаза длилась около десяти минут.

На третьем и заключительном этапе участникам было показано 96 видеороликов с участием актеров, продолжительностью чуть более десяти секунд каждое, в которых, по-видимому, рассказывается о сильных эмоциональных переживаниях. Затем участников попросили оценить эмоции и интенсивность, представленные в видеороликах, а также их собственные соответствующие чувства. Эта фаза длилась около 15 минут.

Способ доставки

Чтобы получить среднее значение захваченных лиц (см. первое изображение выше), эмоциональные ориентиры были захвачены с помощью ЭмоНет рамки. В дальнейшем соответствие между формой лица и средней (усредненной) формой лица определяли через кусочно-аффинное преобразование.

Объемное распознавание эмоций и предсказание взгляда проводилось на каждом сегменте ориентира, выделенном на предыдущем этапе.

В этот момент звуковой вывод эмоций показал, что в психическом состоянии пациента наступил момент, который можно обучить, и задача состоит в том, чтобы зафиксировать соответствующий образ лица и развить это измерение и область их аффективного состояния.

(В видео выше мы видим работу, разработанную авторами технологий распознавания пространственных эмоций, используемых исследователями для новой работы).

Геодезическая форма материала была рассчитана для каждого кадра данных, а разложение по сингулярным значениям (SVD) применено снижение. Результирующие данные временного ряда в конечном итоге были смоделированы как VAR процесс, а затем дополнительно уменьшается с помощью SVD до Адаптация карты.

Рабочий процесс для процесса геодезической редукции.

Значения валентности и возбуждения в сети EmoNet также обрабатывались аналогичным образом с помощью моделирования VAR и вычисления ядра последовательности.

Эксперименты

Как объяснялось ранее, новая работа представляет собой в первую очередь медицинскую исследовательскую работу, а не стандартную заявку на компьютерное зрение, и мы отсылаем читателя к самой статье для подробного освещения разнообразных экспериментов OEG, проводимых исследователями.

Тем не менее, резюмируя некоторые из них:

Сигналы аффективного расстройства

Здесь 40 участников (не из контрольной группы или группы пациентов) попросили оценить оцениваемые средние лица (см. выше) по ряду вопросов, не будучи проинформированы о контексте данных. Были вопросы:

Какого пола два лица?
Лица имеют привлекательную внешность?
Являются ли эти лица заслуживающими доверия людьми?
Как вы оцениваете способность этих людей действовать?
Какова эмоция двух лиц?
Каков внешний вид кожи двух лиц?
Какое впечатление от взгляда?
У обоих лиц опущены уголки рта?
У двух лиц есть приподнятые карие глаза?
Являются ли эти лица клиническими пациентами?

Исследователи обнаружили, что эти слепые оценки коррелируют с зарегистрированным состоянием обработанных данных:

Блочная диаграмма результатов опроса «среднее лицо».

Клиническая оценка

Чтобы оценить полезность ОЭГ в начальной оценке, исследователи сначала оценили, насколько эффективна стандартная клиническая оценка сама по себе, измеряя уровни улучшения между индукцией и второй фазой (к этому времени пациент обычно получает медикаментозное лечение).

Исследователи пришли к выводу, что с помощью этого метода можно хорошо оценить состояние и тяжесть симптомов, достигнув корреляции 0.82. Однако точный диагноз шизофрении или депрессии оказался более сложной задачей, поскольку стандартный метод на этой ранней стадии дал только -0.03 балла.

Авторы комментируют:

«В сущности, состояние пациента относительно хорошо можно определить с помощью обычных опросников. Впрочем, это, по сути, все, что из нее можно сделать. Является ли кто-то депрессивным или, скорее, шизофреником, не указано. То же самое относится и к ответу на лечение».

Результаты машинного процесса позволили получить более высокие баллы в этой проблемной области и сопоставимые баллы в аспекте начальной оценки пациента:

Чем выше число, тем лучше. Слева стандартные результаты оценки точности на основе интервью на четырех этапах архитектуры тестирования; справа, машинные результаты.

Диагностика расстройств

Отличить депрессию от шизофрении с помощью статических изображений лица — нетривиальная задача. После перекрестной проверки машинный процесс смог получить высокие оценки точности на различных этапах испытаний:

В других экспериментах исследователи смогли продемонстрировать доказательства того, что OEG может воспринимать улучшение состояния пациента с помощью фармакологического лечения и общего лечения расстройства:

«Причинно-следственный вывод на основе эмпирических предварительных знаний о сборе данных скорректировал фармакологическое лечение, чтобы наблюдать возвращение к физиологической регуляции лицевой динамики. Такого возврата не наблюдалось при клиническом назначении.

«В настоящее время неясно, действительно ли такая машинная рекомендация приведет к значительному улучшению успеха терапии. Тем более, что известно, какие побочные эффекты могут иметь лекарства в течение длительного периода времени.

«Однако [эти виды] подходов, ориентированных на пациента, сломают барьеры общей схемы категориальной классификации, которая до сих пор широко используется в повседневной жизни».

* Мое преобразование встроенных цитат авторов в гиперссылки.

Впервые опубликовано 3 августа 2022 г.