محققان آلمانی روشی را برای شناسایی اختلالات روانی بر اساس حالات چهره تفسیر شده توسط بینایی کامپیوتری توسعه داده اند.
رویکرد جدید نه تنها می‌تواند بین افراد مبتلا و سالم تمایز قائل شود، بلکه می‌تواند به درستی افسردگی را از اسکیزوفرنی و همچنین میزان این بیماری را تشخیص دهد.
محققان تصویر ترکیبی ارائه کرده‌اند که نشان‌دهنده گروه کنترل برای آزمایش‌هایشان و بیمارانی است که از اختلالات روانی رنج می‌برند. هویت افراد متعدد در بازنمایی‌ها ترکیب می‌شود و هیچ‌یک از تصویرها فرد خاصی را نشان نمی‌دهند.
افراد مبتلا به اختلالات عاطفی معمولا ابروهای برافراشته، نگاه های سربی، چهره های متورم و حالت دهن افتاده دارند. برای محافظت از حریم خصوصی بیمار، این تصاویر ترکیبی تنها تصاویری هستند که برای پشتیبانی از کار جدید در دسترس هستند.
تا به حال، تشخیص حالات عاطفی چهره در درجه اول به عنوان یک ابزار بالقوه برای تشخیص اولیه استفاده شده است.
فراتر از تشخیص ماشینی افسردگی در محاسبات عاطفی، که در مطالعات قبلی توسعه یافته است، نشان می‌دهیم که حالت عاطفی قابل اندازه‌گیری تخمین زده‌شده با استفاده از بینایی رایانه حاوی اطلاعات بسیار بیشتری نسبت به طبقه‌بندی خالص است.
محققان این روش را Opto Electronic Encephalography (OEG) نامیده‌اند، روشی کاملاً غیرفعال برای استنباط وضعیت ذهنی با تجزیه و تحلیل تصویر صورت به جای حسگرهای موضعی یا فناوری‌های تصویربرداری پزشکی مبتنی بر اشعه.
نویسندگان نتیجه می گیرند که OEG به طور بالقوه می تواند نه تنها یک کمک ثانویه صرف برای تشخیص و درمان باشد، بلکه در دراز مدت، جایگزینی بالقوه برای بخش های ارزیابی کننده خاصی از خط لوله درمان است و می تواند زمان لازم برای بیمار را کاهش دهد.
به طور کلی، نتایج پیش‌بینی‌شده توسط ماشین، همبستگی بهتری را در مقایسه با پرسشنامه‌های مبتنی بر رتبه‌بندی مشاهده‌گر بالینی خالص نشان می‌دهد و همچنین عینی است. دوره اندازه گیری نسبتا کوتاه چند دقیقه ای برای رویکردهای بینایی کامپیوتری نیز قابل توجه است، در حالی که گاهی اوقات برای مصاحبه های بالینی ساعت ها مورد نیاز است.
این مقاله با عنوان چهره اختلالات عاطفی از هشت محقق در طیف گسترده ای از موسسات از بخش تحقیقات پزشکی خصوصی و دولتی تهیه شده است.
جمع‌آوری داده‌ها در بیمارستان دانشگاه آخن با ۱۰۰ بیمار دارای تعادل جنسیتی و یک گروه کنترل متشکل از ۵۰ فرد غیر مبتلا انجام شد. بیماران شامل ۳۵ نفر مبتلا به اسکیزوفرنی و ۶۵ نفر مبتلا به افسردگی بودند.
در ابتدا یک جلسه اولیه روی فرد اعمال می‌شود و در مرحله دوم به بیماران فیلم‌هایی از مجموعه‌ای از حالات چهره ارائه و از آن‌ها خواسته شد که با ارزیابی ازتجارب عاطفی خود از هر کدام تقلید کنند.
در مرحله سوم و آخر، ۹۶ فیلم از بازیگران به مدتده ثانیه به شرکت کنندگان نشان داده شد که ظاهراً تجربیات احساسی شدیدی را بازگو می‌کردند. سپس از شرکت کنندگان خواسته شد تا به احساسات نمایش داده شده در ویدئو‌ها و همچنین احساسات مربوطه خود امتیاز دهند. این مرحله حدود ۱۵ دقیقه به طول انجامید.
بعداً دانشمندان برنامه هوش مصنوعی را با داده‌ها و اطلاعات جلسات و همچنین ویدئو‌های مرجع و تجزیه و تحلیل‌های قبلی در مورد سایر بیماران تقویت و هوش مصنوعی نتایج جدید را با بیماران تحت آزمایش تطبیق داد.
دانشمندان به این نتیجه رسیده اند که OEG احتمالا تنها کمکی برای تشخیص و درمان نیست و در دراز مدت، به احتمال زیاد جایگزینی بالقوه برای بخشی از ارزیابی یک دوره روان‌درمانی خواهد بود که زمان لازم برای بهبودی بیمار را کاهش می دهد.
رویکرد جدید نه تنها می‌تواند بین افراد مبتلا و سالم تمایز قائل شود، بلکه می‌تواند به درستی افسردگی را از اسکیزوفرنی و همچنین میزان این بیماری را تشخیص دهد.
محققان تصویر ترکیبی ارائه کرده‌اند که نشان‌دهنده گروه کنترل برای آزمایش‌هایشان و بیمارانی است که از اختلالات روانی رنج می‌برند. هویت افراد متعدد در بازنمایی‌ها ترکیب می‌شود و هیچ‌یک از تصویرها فرد خاصی را نشان نمی‌دهند.
افراد مبتلا به اختلالات عاطفی معمولا ابروهای برافراشته، نگاه های سربی، چهره های متورم و حالت دهن افتاده دارند. برای محافظت از حریم خصوصی بیمار، این تصاویر ترکیبی تنها تصاویری هستند که برای پشتیبانی از کار جدید در دسترس هستند.
تا به حال، تشخیص حالات عاطفی چهره در درجه اول به عنوان یک ابزار بالقوه برای تشخیص اولیه استفاده شده است.
فراتر از تشخیص ماشینی افسردگی در محاسبات عاطفی، که در مطالعات قبلی توسعه یافته است، نشان می‌دهیم که حالت عاطفی قابل اندازه‌گیری تخمین زده‌شده با استفاده از بینایی رایانه حاوی اطلاعات بسیار بیشتری نسبت به طبقه‌بندی خالص است.
محققان این روش را Opto Electronic Encephalography (OEG) نامیده‌اند، روشی کاملاً غیرفعال برای استنباط وضعیت ذهنی با تجزیه و تحلیل تصویر صورت به جای حسگرهای موضعی یا فناوری‌های تصویربرداری پزشکی مبتنی بر اشعه.
نویسندگان نتیجه می گیرند که OEG به طور بالقوه می تواند نه تنها یک کمک ثانویه صرف برای تشخیص و درمان باشد، بلکه در دراز مدت، جایگزینی بالقوه برای بخش های ارزیابی کننده خاصی از خط لوله درمان است و می تواند زمان لازم برای بیمار را کاهش دهد.
به طور کلی، نتایج پیش‌بینی‌شده توسط ماشین، همبستگی بهتری را در مقایسه با پرسشنامه‌های مبتنی بر رتبه‌بندی مشاهده‌گر بالینی خالص نشان می‌دهد و همچنین عینی است. دوره اندازه گیری نسبتا کوتاه چند دقیقه ای برای رویکردهای بینایی کامپیوتری نیز قابل توجه است، در حالی که گاهی اوقات برای مصاحبه های بالینی ساعت ها مورد نیاز است.
این مقاله با عنوان چهره اختلالات عاطفی از هشت محقق در طیف گسترده ای از موسسات از بخش تحقیقات پزشکی خصوصی و دولتی تهیه شده است.
جمع‌آوری داده‌ها در بیمارستان دانشگاه آخن با ۱۰۰ بیمار دارای تعادل جنسیتی و یک گروه کنترل متشکل از ۵۰ فرد غیر مبتلا انجام شد. بیماران شامل ۳۵ نفر مبتلا به اسکیزوفرنی و ۶۵ نفر مبتلا به افسردگی بودند.
در ابتدا یک جلسه اولیه روی فرد اعمال می‌شود و در مرحله دوم به بیماران فیلم‌هایی از مجموعه‌ای از حالات چهره ارائه و از آن‌ها خواسته شد که با ارزیابی ازتجارب عاطفی خود از هر کدام تقلید کنند.
در مرحله سوم و آخر، ۹۶ فیلم از بازیگران به مدتده ثانیه به شرکت کنندگان نشان داده شد که ظاهراً تجربیات احساسی شدیدی را بازگو می‌کردند. سپس از شرکت کنندگان خواسته شد تا به احساسات نمایش داده شده در ویدئو‌ها و همچنین احساسات مربوطه خود امتیاز دهند. این مرحله حدود ۱۵ دقیقه به طول انجامید.
بعداً دانشمندان برنامه هوش مصنوعی را با داده‌ها و اطلاعات جلسات و همچنین ویدئو‌های مرجع و تجزیه و تحلیل‌های قبلی در مورد سایر بیماران تقویت و هوش مصنوعی نتایج جدید را با بیماران تحت آزمایش تطبیق داد.
دانشمندان به این نتیجه رسیده اند که OEG احتمالا تنها کمکی برای تشخیص و درمان نیست و در دراز مدت، به احتمال زیاد جایگزینی بالقوه برای بخشی از ارزیابی یک دوره روان‌درمانی خواهد بود که زمان لازم برای بهبودی بیمار را کاهش می دهد.
کد خبر ۲۰۱۰۱۰۵۱۹.۰۹۴
