در این پست از سایت بنو قصد داریم سیستم‌های هوشمند مبتنی بر هوش مصنوعی، که اندازه مردمک و حالات چهره برای شناسایی افسردگی استفاده میکند، مورد بررسی قرار دهیم.

هوش مصنوعی و افسردگی

یک پژوهشگر در دانشگاه Stevens (استیونز) دو اپلیکیشن جدید مبتنی بر هوش مصنوعی برای گوشی‌های هوشمند طراحی کرده که به شناسایی نشانه‌های ظریف در مردمک‌ها، حالات چهره و حرکات سر ما کمک می‌کند.

تخمین زده می‌شود که حدود ۳۰۰ میلیون نفر در سراسر جهان، که حدود ۴٪ از جمعیت جهانی را شامل می‌شود، از نوعی افسردگی رنج می‌برند. با این حال، شناسایی آن می‌تواند چالش‌برانگیز باشد، به‌خصوص زمانی که افراد مبتلا احساسات منفی خود را با دوستان، خانواده یا متخصصان بهداشت و درمان در میان نمی‌گذارند.

اکنون پروفسور Sang Won Bae از دانشگاه استیونزدر حال کار بر روی چند اپلیکیشن و سیستم مبتنی بر هوش مصنوعی است که می‌تواند به‌طور غیر تهاجمی به ما و دیگران هشدار دهد که ممکن است در حال افسرده شدن باشیم.

Bae می‌گوید: “افسردگی یک چالش بزرگ است. ما می‌خواهیم کمک کنیم.”

“و از آنجایی که بیشتر مردم در دنیای امروز روزانه از گوشی‌های هوشمند استفاده می‌کنند، این می‌تواند ابزاری مفید برای شناسایی باشد که قبلاً ساخته شده و برای استفاده آماده است.”

 

تصاویر لحظه‌ای از چشم‌ها، حالات روحی را نشان می‌دهد.

یکی از سیستمی که  Bae در حال توسعه آن است و با Rahul Islam، دانشجوی دکتری استیونز همکاری می‌کند، به نام PupilSense، با گرفتن تصاویر و اندازه‌گیری‌های مداوم از مردمک‌های کاربر گوشی هوشمند عمل می‌کند.

او توضیح می‌دهد: “تحقیقات قبلی در سه دهه گذشته به‌طور مکرر نشان داده است که چگونه انعکاس‌ها و واکنش‌های مردمک می‌تواند با دوره‌های افسردگی همبستگی داشته باشد.”

این سیستم به طور دقیق قطر مردمک ها را در مقایسه با عنبیه اطراف چشم، از جریان های عکس “پشت سر” که در 10 ثانیه گرفته شده زمانی که کاربران در حال باز کردن تلفن خود یا دسترسی به برخی رسانه های اجتماعی و برنامه های دیگر هستند، محاسبه می کند.

در یکی از آزمایش‌های اولیه این سیستم با ۲۵ داوطلب در یک دوره چهار هفته‌ای، این سیستم — که بر روی گوشی‌های هوشمند این داوطلبان قرار داشت — حدود ۱۶۰۰۰ تعامل با گوشی‌ها را تحلیل کرد، هنگامی که داده‌های مربوط به تصاویر مردمک جمع‌آوری شد. پس از آموزش یک هوش مصنوعی برای تمایز بین واکنش‌های “عادی” و غیرعادی، Bae و Islam داده‌های تصویری را پردازش کرده و آن را با حالات روحی گزارش‌شده توسط داوطلبان مقایسه کردند.

بهترین نسخه از PupilSense — که به TSF معروف است و فقط از داده های منتخب و با کیفیت بالا استفاده می‌کند — توانست ۷۶٪ دقت در شناسایی زمان‌هایی که افراد واقعاً احساس افسردگی می‌کردند، نشان دهد. این بهتر از بهترین سیستم مبتنی بر گوشی هوشمند است که در حال حاضر برای تشخیص افسردگی در حال توسعه و آزمایش است و به عنوان AWARE شناخته می‌شود.

Bae کسی که قبلاً سیستم‌های مبتنی بر گوشی هوشمند را برای پیش‌بینی مصرف الکل و ماری‌جوانا توسعه داده است، اضافه می‌کند، “ما به توسعه این فناوری ادامه خواهیم داد حالا که این مفهوم اثبات شده است”

این سیستم برای اولین بار در کنفرانس بین‌المللی محاسبات فعالیت و رفتار در ژاپن در اواخر بهار رونمایی شد و اکنون به صورت همگانی در پلتفرم گیت‌هاب در دسترس است.

حرکات صورت همچنین می‌توانند نشانه‌هایی از افسردگی را فاش کنند

Bae و Islam همچنین در حال توسعه یک سیستم دوم به نام FacePsy هستند که به طور قدرتمندی حرکات صورت را برای درک حالات روحی ما تجزیه و تحلیل می‌کند.

Bae اشاره می‌کند. “یک مجموعه رو به رشد از مطالعات روان‌شناختی نشان می‌دهد که افسردگی با سیگنال‌های غیرکلامی مانند حرکات عضلات صورت و حرکات سر مشخص می‌شود”

FacePsy در پس‌زمینه یک گوشی کار می‌کند و هر بار که گوشی باز می‌شود یا برنامه‌های معمولی استفاده می‌شوند، عکس‌های فوری از صورت می‌گیرد. (مهم است که بگوییم، این سیستم تقریباً بلافاصله پس از تجزیه و تحلیل، تصاویر صورت را حذف می‌کند و از حریم خصوصی کاربران محافظت می‌کند.)

Bae توضیح می‌دهد: «ما دقیقاً نمی‌دانستیم که کدام حرکات صورت یا حرکات چشم با افسردگی گزارش شده از خود مطابقت دارد. “برخی از آنها انتظار می رفت و برخی از آنها غافلگیر کننده.”

برای مثال، افزایش لبخند در مطالعه مقدماتی ظاهر شد که نه با شادی بلکه با علائم بالقوه خلق و خوی افسرده و عاطفه مرتبط است.

Bae می‌گوید: «این می‌تواند یک مکانیسم مقابله‌ای باشد، برای مثال، افرادی که «چهره‌ای شجاع» برای خود و دیگران نشان می‌دهند، در حالی که واقعاً احساس ناراحتی می‌کنند. “یا ممکن است یک پدیده از مطالعه باشد. نیاز به تحقیقات بیشتری است.”

دیگر نشانه‌های ظاهری افسردگی که در داده‌های اولیه مشخص شد شامل حرکات کمتر صورت در ساعات صبح و الگوهای خاصی از حرکات چشم و سر بود. (برای مثال، حرکات یواشکی یا به سمت چپ و راست سر در صبح به شدت با افزایش علائم افسردگی مرتبط بود.)

جالب اینجاست که تشخیص بیشتر باز بودن چشم‌ها در صبح و عصر نیز با افسردگی بالقوه مرتبط بود — که نشان می‌دهد ابرازهای ظاهری هوشیاری یا شادی گاهی می‌توانند احساسات افسردگی را زیر لایه‌ای پنهان کنند.

“سیستم‌های دیگر که از هوش مصنوعی برای تشخیص افسردگی استفاده می‌کنند، نیاز به استفاده از یک دستگاه یا حتی چندین دستگاه دارند,” Bae نتیجه‌گیری می‌کند. “ما فکر می‌کنیم این مطالعه FacePsy یک گام عالی به سمت ابزاری تشخیصی جمع و جور، ارزان و آسان برای استفاده است.”

برای اطلاعات بیشتر درباره این پروژه، می‌توانید از  مقاله منتشر شده آنها بازدید کنید.

اگه به مطالعه در مورد هوش مصنوعی و کاربرد های پزشکی آن علاقه مند هستید میتوانید پست قبلی سایت بنو ذر رابطه با کشف عوامل سرطان زا در نواحی بی فایده DNA  را مشاهده کنید:

 

اگر به کاربرد هوش مصنوعی در صنعت پزشکی علاقه دارد، این پست سایت بنو را از دست ندهید!

این پست برگرفته از جدیدترین اخبار SciTechDaily میباشد. منبع