摘要：研究人员正在开发人工智能驱动的智能手机应用程序，以非侵入性地检测抑郁症迹象。
PupilSense 系统可监测瞳孔反射，以 76% 的准确度识别潜在的抑郁症发作。另一种工具 FacePsy 可以分析面部表情和头部运动，以检测微妙的情绪变化，并得出意想不到的发现，例如微笑的增加可能与抑郁症有关。
这些工具提供了一种保护隐私、易于使用的方法来及早识别抑郁症，利用日常智能手机的使用。
主要事实：
来源：史蒂文斯理工学院
据估计，近 3 亿人（约占全球人口的 4%）患有某种形式的抑郁症。但检测它可能很困难，特别是当那些受影响的人不（或不会）向朋友、家人或临床医生报告负面情绪时。
现在史蒂文斯教授 Sang Won Bae 正在开发几种人工智能驱动的智能手机应用程序和系统这可以非侵入性地警告我们和其他人，我们可能正在变得抑郁。
Bae 说，抑郁是一个重大挑战。我们希望提供帮助。
由于当今世界上大多数人每天都使用智能手机，因此这可能是一个已经构建并可供使用的有用检测工具。
快照”她解释说，过去三十年反复证明了瞳孔反射和反应如何与抑郁发作相关。
该系统与眼睛周围的虹膜进行比较，从 10 秒开始准确计算瞳孔直径在用户打开手机或访问某些社交媒体和其他应用程序时捕获的连拍照片流。
在为期四个星期的 25 名志愿者对系统进行的一项早期测试中，该系统嵌入到这些志愿者的智能手机上收集瞳孔图像数据后，分析了大约 16,000 次与手机的交互。在教人工智能区分正常反应和异常反应后，Bae 和 Islam 处理了照片数据，并将其与志愿者自我报告的情绪进行比较。
PupilSense 的最佳迭代称为 TSF，它使用只有经过挑选的高质量数据点才能证明，在人们确实感到抑郁的低潮时期，准确率达到 76%。这比目前正在开发和测试抑郁症检测的最好的基于智能手机的系统（一个名为 AWARE 的平台）要好。
既然这一概念已经得到证实，我们将继续开发这项技术，Bae 补充道。之前开发了基于智能手机的系统来预测酗酒和大麻使用。
该系统于春末在日本举行的国际活动和行为计算会议上首次亮相，该系统现已开源在 GitHub 平台上。
面部表情也能缓解抑郁
Bae 和 Islam 还在开发第二个系统，称为 FacePsy，它可以强大地解析面部表情，以洞察我们的情绪。Bae 指出，越来越多的心理学研究表明，抑郁症的特征是面部肌肉运动和头部姿势等非语言信号。
FacePsy 在手机后台运行，采集面部表情每当打开手机或打开常用应用程序时都会进行快照。（重要的是，它在分析后几乎立即删除面部图像，从而保护用户隐私。）
当我们开始时，我们并不确切知道哪些面部表情或眼球运动与自我报告的抑郁症相对应，Bae 解释道。其中有些是意料之中的，有些则令人惊讶。
例如，试点研究中出现的微笑增加与幸福感无关，而是与抑郁情绪和情感的潜在迹象相关。
>
这可能是一种应对机制，例如，当人们实际上情绪低落时，他们会为自己和他人表现出勇敢的面孔，Bae 说。或者它可能是研究的产物。需要更多的研究。
早期数据中揭示的其他明显的抑郁信号包括早上的面部运动较少以及某些非常特定的眼睛和头部运动模式。（例如，早上的偏航或左右头部运动似乎与抑郁症状的增加密切相关。）
有趣的是，在早上时，更频繁地检测到眼睛睁得更大。早上和晚上与潜在的抑郁症相关，这也表明警觉或快乐的外在表达有时会掩盖内心的抑郁情绪。
其他使用人工智能检测抑郁症的系统需要佩戴一个设备，甚至多个设备，Bae 总结道。我们认为这项 FacePsy 试点研究是迈向紧凑、廉价、易于使用的诊断工具的伟大第一步。
FacePsy 试点研究结果将在 ACM 国际移动人机会议上公布十月初在澳大利亚举行的 Interaction (MobileHCI)。
作者：Kara Panzer
来源：史蒂文斯理工学院
联系方式：卡拉·潘泽·史蒂文斯理工学院
图片：图片来源于《神经科学新闻》
原始研究：开放获取。
FacePsy：分析面部的开源情感移动传感系统Sang Won Bae 等人在自然环境中检测抑郁症的行为和头部姿势。ACM 人机交互论文集
摘要
FacePsy：一种开源情感移动传感系统，分析面部行为和头部姿势以在自然环境中检测抑郁症
抑郁症是一种普遍而复杂的心理健康问题，影响着全世界数百万人，对检测和监测提出了重大挑战。
虽然面部表情在实验室环境中显示出识别抑郁症的希望，但它们在现实世界中的潜力由于开发高效移动系统的困难，应用程序在很大程度上尚未得到探索。
在这项研究中，我们的目标是引入 FacePsy，这是一种开源移动传感系统，旨在通过分析复杂的特征并生成真实的情感推断来捕获情感推断。- 25 名参与者在智能手机使用的自然背景下获得有关面部行为标志、眼球运动和头部姿势的时间数据。
通过严格的开发、测试和优化，我们确定了睁眼状态、头部状态手势、微笑表情和特定动作单元（2、6、7、12、15 和 17）是抑郁发作的重要指标 (AUROC=81%)。
我们的回归模型预测 PHQ-9分数达到了中等准确度，平均绝对误差为 3.08。
我们的研究结果为增强可部署和可用的移动情感传感系统提供了宝贵的见解和启示，最终改善了心理健康监测、预测和即时为医疗保健领域的研究人员和开发人员提供时间适应性干预措施。