从“看脸”到“读心”,AI或将助力精神疾病诊断

“已往十年我们进入到‘看脸’的时代,那么未来十年可能会走入到‘读心’的时代”中科院计算所研究员山世光在日前中国人工智能学会举行的云课堂上,分享了自已对于AI人脸识别手艺应用于医疗领域的思索与国内外的相关研究现况。

AI“读心”即“读脑”

一样平常生涯中,我们通过考察一个人的神色和行为举止就可以对其情绪、性格做出相对对照准确的判断。那么AI若何做到“读心”?山世光注释说,AI“读心”,是通过解读人的外显语言行为来判断其内在的心理和精神,本质上是在“读脑”,而不是“读头脑”。

<a href=AI.jpg” class=”aligncenter”>

山世光以为,基于计算机视觉的“读心术”可分为三个层面,第一层是“瞬态特征”,即心理指标,包罗身高、体重、心率、呼吸、血压、血氧等,可通过检测人的眨眼率、瞳孔缩放、视线等行为对以上指标作出判断。再上一层是“短期特征”,可通过检测人在下意识里作出脸色时涉及的肌肉动作来解读心理状态,可作为例如对司机危险驾驶行为举行监控与报警的手艺。最后上升到精神层面的“历久特征”,抑郁症、焦虑症、自闭症等精神疾病也可以通过影像考察的方式来辅助诊断。

以上是对于人视觉关键手艺的深层明白,山世光将基于这三个层面的计算机视觉研究比拟为打造有“情商”的AI

AI助力精神疾病判别

现在医学上在精神疾病的诊断更多依赖于量表测试与医生面诊,侧重于主观性,山世光重点说明晰计算机视觉在这一层面上的研究与应用。

158891748672609537.jpg

看病就医时,中医通过“望闻问切”的“望”来领会患者的病征,作出诊断。正如韩非子《扁鹊见蔡桓公》中写道的那样,扁鹊仅通过考察蔡桓公的面部肌理就准确判断出他已患病的事实。同样地,西医面诊时也会通过考察病人面容来判断病人在精神层面的状态。

以抑郁症患者为例,医生通常会接纳三种检查手段来判断病人是否患有抑郁症以及患病的水平:面诊领会病人情形、量表测试和脑电波测试。面诊和量表划分基于医生履历和患者的自我判断,均属于主观意识的判断。记者从多名专科医生处领会到,脑电波检查虽然可以作为诊断参考,然则并不能作为诊断依据,且患者需要戴上浸湿的电极帽举行检测,相比之下,计算机视觉手艺可有助实现非接触性检查。山世光以为,这项手艺在判别抑郁症等精神疾病上最大的优势就在于强调客观性。

来自澳大利亚堪培拉大学、新南威尔士大学、澳大利亚国立大学等高校学术专家曾团结使用相关手艺对抑郁症诊断举行了一项研究,该研究刊载于2018年出书的一期IEEE Transactions On Affective Computing上。

这项研究接纳基于人工界说特征的研究方式,细分为三类:隶属语言(音量、语言时长、停留距离等)、头部姿态(头朝向时长、转变率等)以及视线行为(闭眼率、眨眼次数等)。研究工具共60人,30人为重度抑郁患者,30人为精神康健人士,三种方式融合丈量精度到达88%。“这个精度只能说OK(还可以),由于评测数据量不大。”山世光说道。

美国西弗吉尼亚大学及首都师范大学团结研究团队于同期揭晓的另一项研究,对82名参与者的150段视频举行了评测,依据表观信息和动作行为对抑郁症的水平举行打分,值域局限为0到60,最终MAE(绝对误差平均值)效果为7.58,这样的效果仍未到达理想阶段。

国内外另有许多团队在做针对精神疾病的AI研究,作为手艺研究人员,在数据天生、模子设计及优化等多个方面都面临着挑战。山世光感言,这类研究涉及到隐私问题,因此在数据获取上存在一定难题。往后研究团队将继续攻克若何在没有大规模的数据下,实现弱监视、半监视、小规模等数据条件下的学习,借助适用的医学或物理模子来削减对于数据的需求可成为未来实现AI“读心”功效的研究方式之一。

声明: 本文由入驻基智地平台的作者撰写,观点仅代表作者本人,不代表基智地立场;基智地发布此信息的目的在于传播更多信息,与本站立场无关。