Yapay Zeka Yüz İfadesi Değerlendirmesi Yoluyla Ruh Sağlığı Bozukluklarının Teşhisi

Almanya'dan araştırmacılar, bilgisayar görüşüyle ​​yorumlanan yüz ifadelerine dayanarak zihinsel bozuklukları tespit etmek için bir yöntem geliştirdiler.

Yeni yaklaşım, yalnızca etkilenmeyen ve etkilenen denekler arasında ayrım yapmakla kalmıyor, aynı zamanda hastanın şu anda hastalıktan etkilenme derecesinin yanı sıra depresyonu şizofreniden doğru bir şekilde ayırt edebiliyor.

Araştırmacılar, testleri için kontrol grubunu (aşağıdaki resimde solda) ve zihinsel bozukluklardan muzdarip hastaları (sağda) temsil eden bileşik bir görüntü sağladılar. Birden çok kişinin kimlikleri temsillerde harmanlanmıştır ve hiçbir görüntü belirli bir kişiyi tasvir etmemektedir:

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

Duygudurum bozuklukları olan bireyler, kaşlarını kaldırma, kurşuni bakışlar, şişmiş yüzler ve sarkık ağız ifadelerine sahip olma eğilimindedir. Hasta mahremiyetini korumak için, yeni çalışmayı desteklemek için sunulan tek görüntüler bu birleşik görüntülerdir.

Şimdiye kadar, yüz etki tanıma, öncelikle temel tanı için potansiyel bir araç olarak kullanılmıştır. Yeni yaklaşım, bunun yerine, ayakta hasta izleme için kendi ev ortamlarında tedavi boyunca veya başka bir durumda (muhtemelen, makale bunu önermese de) hastanın ilerlemesini değerlendirmek için olası bir yöntem sunar.

Belgede*:

'da geliştirilen duygusal bilgi işlemde depresyonun makine teşhisinin ötesine geçiyor. önceki çalışmalar, bilgisayar görüşü yoluyla tahmin edilen ölçülebilir duygusal durumun, saf kategorik sınıflandırmadan çok daha fazla bilgi içerdiğini gösteriyoruz.'

Araştırmacılar bu tekniği Opto Elektronik Ensefalografi (OEG), topikal sensörler veya ışın tabanlı tıbbi görüntüleme teknolojileri yerine yüz görüntü analizi yoluyla zihinsel durumu anlayan tamamen pasif bir yöntem.

Yazarlar, OEG'nin potansiyel olarak teşhis ve tedavi için yalnızca ikincil bir yardımcı olabileceği, aynı zamanda uzun vadede tedavi hattının belirli değerlendirme bölümleri için potansiyel bir ikame olabileceği ve hasta için gerekli zamanı azaltabileceği sonucuna varmışlardır. izleme ve ilk tanı. Şunları not ederler:

Genel olarak, makine tarafından tahmin edilen sonuçlar, saf klinik gözlemci derecelendirmesine dayalı anketlere kıyasla daha iyi korelasyonlar gösteriyor ve aynı zamanda objektif. Bilgisayarlı görü yaklaşımları için nispeten kısa olan birkaç dakikalık ölçüm süresi de dikkat çekicidir, halbuki klinik görüşmeler için bazen saatler gerekir.'

Bununla birlikte, yazarlar, bu alandaki hasta bakımının çok yönlü bir uğraş olduğunu, hastanın durumuna ilişkin sadece yüz ifadelerinden başka birçok göstergenin de dikkate alınması gerektiğini ve böyle bir sistemin bu tür bir zihinsel bozukluklara yönelik geleneksel yaklaşımları tamamen ikame eder. Yine de, OEG'yi umut verici bir yardımcı teknoloji olarak görüyorlar, özellikle hastanın reçete ettiği rejimde farmasötik tedavinin etkilerini derecelendirmek için bir yöntem olarak.

The kâğıt başlıklı Affektif Bozuklukların Yüzü, ve özel ve kamu tıbbi araştırma sektöründen çok çeşitli kurumlardaki sekiz araştırmacıdan geliyor.

Veri

(Yeni makale, testlerde ve çeşitli deneylerde kullanılan gerçek teknolojilere ve süreçlere normalden daha az ilgi göstererek, çoğunlukla ruhsal bozuklukların hasta teşhisinde şu anda popüler olan çeşitli teori ve yöntemleri ele almaktadır)

Veri toplama, Aachen'deki Üniversite Hastanesinde cinsiyet açısından dengeli 100 hasta ve etkilenmemiş 50 kişiden oluşan bir kontrol grubu ile gerçekleştirildi. Hastalar arasında 35 şizofreni hastası ve 65 depresyon hastası vardı.

Test grubunun hasta kısmı için ilk ölçümler, ilk hastaneye yatış anında ve ikinci ölçüm, hastaneden taburcu edilmeden önce, ortalama 12 hafta arayla alındı. Kontrol grubu katılımcıları, gerçek hastalarınkini yansıtan kendi indüksiyon ve 'taburcu'ları ile yerel popülasyondan keyfi olarak alındı.

Aslında, böyle bir deney için en önemli 'temel gerçek', onaylanmış ve standart yöntemlerle elde edilen teşhisler olmalıdır ve bu, OEG denemeleri için geçerliydi.

Ancak veri toplama aşaması, makine yorumlaması için daha uygun ek veriler elde etti: ortalama 90 dakikalık görüşmeler, 270 fps'de çalışan bir Logitech c25 tüketici web kamerası ile üç aşamada kaydedildi.

İlk oturum standart Hamilton röportajı (araştırmaya dayalı kökenli 1960 civarında), normalde girişte verilecek gibi. İkinci aşamada, alışılmadık bir şekilde, hastalar (ve kontrol grubundaki benzerleri) gösterildi. videolar bir dizi yüz ifadesinden oluşan ve duygusal durum ve yoğunluk da dahil olmak üzere o andaki zihinsel durumlarına ilişkin kendi tahminlerini ifade ederken bunların her birini taklit etmeleri istendi. Bu aşama yaklaşık on dakika sürdü.

Üçüncü ve son aşamada, katılımcılara her biri on saniyeden biraz fazla süren ve görünüşe göre yoğun duygusal deneyimleri anlatan 96 oyuncu videosu gösterildi. Katılımcılardan daha sonra videolarda temsil edilen duygu ve yoğunluğun yanı sıra kendi karşılık gelen duygularını değerlendirmeleri istendi. Bu aşama yaklaşık 15 dakika sürdü.

Yöntem

Yakalanan yüzlerin ortalama ortalamasına ulaşmak için (yukarıdaki ilk resme bakın), duygusal işaretler EmoNet çerçeve. Daha sonra, yüz şekli ile ortalama (ortalama) yüz şekli arasındaki uygunluk parçalı afin dönüşüm.

Boyutlu duygu tanıma ve göz bakışı tahmini önceki aşamada tanımlanan her bir dönüm noktası segmentinde gerçekleştirildi.

Bu noktada, sese dayalı duygu çıkarımı, hastanın zihinsel durumunda öğretilebilir bir anın geldiğini ve görevin ilgili yüz görüntüsünü yakalamak ve duygulanım durumunun o boyutunu ve alanını geliştirmek olduğunu göstermiştir.

(Yukarıdaki videoda, araştırmacıların yeni çalışma için kullandıkları boyutsal duygu tanıma teknolojilerinin yazarları tarafından geliştirilen çalışmaları görüyoruz).

Malzemenin şekil jeodezisi, verilerin her çerçevesi için hesaplandı ve Tekil Değer Ayrışımı (SVD) indirim uygulandı. Ortaya çıkan zaman serisi verileri sonunda şu şekilde modellendi: VAR işlemden geçirilir ve daha sonra SVD aracılığıyla daha da azaltılır HARİTA adaptasyonu.

Jeodezik indirgeme süreci için iş akışı.

EmoNet ağındaki değerlik ve uyarılma değerleri de benzer şekilde VAR modellemesi ve sıra çekirdeği hesaplaması ile işlendi.

Deneyler

Daha önce açıklandığı gibi, yeni çalışma, standart bir bilgisayar görüşü sunumundan ziyade, öncelikle tıbbi bir araştırma makalesidir ve araştırmacılar tarafından yürütülen çeşitli OEG deneylerinin derinlemesine kapsamı için okuyucuyu makalenin kendisine yönlendiriyoruz.

Yine de, bunlardan bir seçkiyi özetlemek gerekirse:

Afektif Bozukluk İpuçları

Burada 40 katılımcıdan (kontrol veya hasta grubundan olmayan), verilerin bağlamından haberdar edilmeden, bir dizi soru açısından değerlendirilen ortalama yüzleri (yukarıya bakın) derecelendirmeleri istendi. Sorular şunlardı:

İki yüzün cinsiyeti nedir?
Yüzler çekici bir görünüme sahip mi?
Bu yüzler güvenilir kişiler mi?
Bu insanların hareket etme yeteneklerini nasıl değerlendiriyorsunuz?
İki yüzün duygusu nedir?
İki yüzün cilt görünümü nasıl?
Bakışın izlenimi nedir?
İki yüzün ağız köşeleri sarkık mı?
İki yüzün kaşları kalkmış mı?
Bu kişiler klinik hasta mı?

Araştırmacılar, bu kör değerlendirmelerin işlenen verilerin kayıtlı durumuyla ilişkili olduğunu buldu:

'Ortalama yüz' anketi için kutu grafiği sonuçları.

Klinik değerlendirme

İlk değerlendirmede OEG'nin faydasını ölçmek için, araştırmacılar ilk önce standart klinik değerlendirmenin kendi başına ne kadar etkili olduğunu değerlendirdi ve indüksiyon ile ikinci aşama arasındaki iyileşme düzeylerini ölçtü (bu sırada hasta tipik olarak ilaç bazlı tedaviler alıyor.

Araştırmacılar, durum ve semptom şiddetinin bu yöntemle iyi değerlendirilebileceği ve 0.82'lik bir korelasyon elde edilebileceği sonucuna vardı. Bununla birlikte, şizofreni veya depresyonun doğru teşhisi, standart yöntemin bu erken aşamada yalnızca -0.03 puan almasıyla daha zorlayıcı oldu.

Yazarlar yorum:

'Aslında, hasta durumu olağan anketler kullanılarak nispeten iyi bir şekilde belirlenebilir. Ancak, esasen ondan çıkarılabilecek her şey budur. Birinin depresyonda mı yoksa şizofren mi olduğu belirtilmez. Aynısı tedavi yanıtı için de geçerlidir.'

Makine sürecinden elde edilen sonuçlar, bu sorun alanında daha yüksek puanlar ve ilk hasta değerlendirme yönü için karşılaştırılabilir puanlar elde edebildi:

Daha yüksek sayılar daha iyidir. Solda, test mimarisinin dört aşamasında standart görüşmeye dayalı değerlendirme doğruluğu sonuçları; sağda, makine tabanlı sonuçlar.

Bozukluk Teşhisi

Statik yüz imgeleriyle depresyonu şizofreniden ayırt etmek önemsiz bir mesele değildir. Çapraz doğrulanan makine süreci, denemelerin çeşitli aşamalarında yüksek doğruluk puanları elde edebildi:

Diğer deneylerde araştırmacılar, OEG'nin farmakolojik tedavi ve bozukluğun genel tedavisi yoluyla hasta gelişimini algılayabildiğine dair kanıt gösterebildiler:

Veri toplamanın ampirik ön bilgisi üzerindeki nedensel çıkarım, yüz dinamiklerinin fizyolojik düzenlemesine dönüşü gözlemlemek için farmakolojik tedaviyi ayarladı. Klinik reçete sırasında böyle bir geri dönüş gözlemlenememiştir.

"Şu anda, böyle bir makine tabanlı tavsiyenin gerçekten de tedavide önemli ölçüde daha iyi bir başarı sağlayıp sağlayamayacağı açık değil. Özellikle ilaçların uzun süre hangi yan etkilerinin olabileceği bilindiği için.

"Ancak, [bu tür] hastaya göre uyarlanmış yaklaşımlar, günlük yaşamda hâlâ ağırlıklı olarak kullanılan yaygın kategorik sınıflandırma şemasının engellerini yıkacaktır."

* Yazarların satır içi alıntılarını köprülere dönüştürmem.

İlk olarak 3 Ağustos 2022'de yayınlandı.