🧠 هوش مصنوعی افسردگی را از طریق چشم ها و نشانه های صورت تشخیص می دهد
📆 30 سپتامبر 2024
🏢منبع: موسسه فناوری استیونز
🔻 خلاصه: محققان در حال توسعه اپلیکیشن های هوشمند مبتنی بر هوش مصنوعی برای تشخیص علائم افسردگی به صورت غیرتهاجمی هستند.
🔻یک سیستم، PupilSense، رفلکس مردمک را برای شناسایی اپیزودهای افسردگی احتمالی با دقت 76 درصد بررسی می کند. ابزار دیگری، FacePsy، حالات چهره و حرکات سر را برای تشخیص تغییرات خفیف خلق و خو، با یافته‌های غیرمنتظره مانند افزایش لبخند که به طور بالقوه با افسردگی مرتبط است، تجزیه و تحلیل می‌کند.
🔻این ابزارها روشی در دسترس و محافظت کننده از حریم خصوصی برای شناسایی زودهنگام افسردگی، با استفاده از استفاده روزمره از تلفن هوشمند ارائه می دهند.
🔻تخمین زده شده است که نزدیک به 300 میلیون نفر یا حدود 4 درصد از جمعیت جهان به نوعی از افسردگی مبتلا هستند. اما تشخیص آن می تواند دشوار باشد، به ویژه زمانی که افراد مبتلا احساسات منفی را به دوستان، خانواده یا پزشکان گزارش نمی کنند (یا نمی خواهند).
🧠 @Neuroscience_New
🔻اکنون پروفسور استیونز، سانگ وون بائه، در حال کار بر روی چندین برنامه و سیستم تلفن هوشمند مجهز به هوش مصنوعی است که می توانند به صورت غیرتهاجمی به ما و دیگران هشدار دهند که ممکن است دچار افسردگی شویم. بائه می گوید: «افسردگی یک چالش بزرگ است. "ما می خواهیم کمک کنیم."
🔻و از آنجایی که اکثر مردم جهان امروز روزانه از تلفن های هوشمند استفاده می کنند، این می تواند یک ابزار تشخیص مفید باشد که از قبل ساخته شده و آماده استفاده است.
🧠 @Neuroscience_New
🔻او توضیح می‌دهد: «تحقیقات قبلی در سه دهه گذشته بارها نشان داده‌اند که چگونه رفلکس‌ها و پاسخ‌های مردمک می‌توانند با دوره‌های افسردگی مرتبط شوند. این سیستم به طور دقیق قطر مردمک‌ها را در مقایسه با عنبیه چشم‌های اطراف، از جریان‌های عکس 10 ثانیه‌ای «پاپدید» گرفته‌شده در حالی که کاربران در حال باز کردن تلفن‌های خود یا دسترسی به برخی رسانه‌های اجتماعی و برنامه‌های دیگر هستند، محاسبه می‌کند.
🔻در یک آزمایش اولیه این سیستم با ۲۵ داوطلب در یک دوره چهار هفته‌ای، این سیستم - که روی تلفن‌های هوشمند آن داوطلبان تعبیه شده بود - تقریباً ۱۶۰۰۰ تعامل با تلفن‌ها را پس از جمع‌آوری داده‌های تصویر دانش‌آموز تجزیه و تحلیل کرد. پس از آموزش هوش مصنوعی برای تمایز بین پاسخ‌های «عادی» و پاسخ‌های غیرعادی، Bae و اسلام داده‌های عکس را پردازش کردند و آنها را با حالت‌های خود گزارش‌شده داوطلبان مقایسه کردند.
🧠 @Neuroscience_New
🔻؛Bae که قبلاً سیستم‌های مبتنی بر گوشی‌های هوشمند را برای پیش‌بینی مصرف بیش از حد الکل و حشیش توسعه داده بود، می‌افزاید: «اکنون که این مفهوم به اثبات رسیده است، به توسعه این فناوری ادامه خواهیم داد.
🔻؛Bae خاطرنشان می کند: "تعداد رو به رشدی از مطالعات روانشناختی نشان می دهد که افسردگی با سیگنال های غیرکلامی مانند حرکات ماهیچه های صورت و حرکات سر مشخص می شود."
🧠 @Neuroscience_New
🔻؛FacePsy در پس‌زمینه گوشی اجرا می‌شود و هر زمان که گوشی باز می‌شود یا برنامه‌های کاربردی رایج باز می‌شوند، از چهره عکس می‌گیرد. (نکته مهم این است که تصاویر چهره خود را تقریباً بلافاصله پس از تجزیه و تحلیل حذف می کند و از حریم خصوصی کاربران محافظت می کند.)
🔻؛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."
🧠 @Neuroscience_New
🔻به عنوان مثال، افزایش لبخند در مطالعه مقدماتی ظاهر شد که نه با شادی بلکه با علائم بالقوه خلق و خوی افسرده و عاطفه مرتبط است. بائه می‌گوید: «این می‌تواند یک مکانیسم مقابله‌ای باشد، به‌عنوان مثال، افرادی که «چهره‌ای شجاع» برای خود و دیگران نشان می‌دهند، در حالی که واقعاً احساس ناراحتی می‌کنند. "یا می تواند مصنوع مطالعه باشد. تحقیقات بیشتری مورد نیاز است.»
🧠 @Neuroscience_New
🔻سایر سیگنال‌های آشکار افسردگی که در داده‌های اولیه آشکار شد، شامل حرکات کمتر صورت در ساعات صبح و الگوهای بسیار خاص حرکت چشم و سر بود. (برای مثال به نظر می رسید که خمیازه کشیدن یا حرکات پهلو به پهلو در طول صبح به شدت با افزایش علائم افسردگی مرتبط باشد.)
🧠 @Neuroscience_New
🔻جالب اینجاست که تشخیص بیشتر باز بودن چشم ها در صبح و عصر با افسردگی بالقوه نیز مرتبط است - نشان دادن بیان بیرونی هوشیاری یا شادی گاهی اوقات می تواند احساسات افسردگی را پنهان کند.
🔗 منبع:
https://neurosciencenews.com/ai-depression-facial-cue-eyes-27735/
ترجمه مقاله NU494
؛--------------------------------------
🧠 Telegram: @Neuroscience_New
👥 Group: @PortalRavan
instagram.com/Neuroscience_New
📆 30 سپتامبر 2024
🏢منبع: موسسه فناوری استیونز
🔻 خلاصه: محققان در حال توسعه اپلیکیشن های هوشمند مبتنی بر هوش مصنوعی برای تشخیص علائم افسردگی به صورت غیرتهاجمی هستند.
🔻یک سیستم، PupilSense، رفلکس مردمک را برای شناسایی اپیزودهای افسردگی احتمالی با دقت 76 درصد بررسی می کند. ابزار دیگری، FacePsy، حالات چهره و حرکات سر را برای تشخیص تغییرات خفیف خلق و خو، با یافته‌های غیرمنتظره مانند افزایش لبخند که به طور بالقوه با افسردگی مرتبط است، تجزیه و تحلیل می‌کند.
🔻این ابزارها روشی در دسترس و محافظت کننده از حریم خصوصی برای شناسایی زودهنگام افسردگی، با استفاده از استفاده روزمره از تلفن هوشمند ارائه می دهند.
🔻تخمین زده شده است که نزدیک به 300 میلیون نفر یا حدود 4 درصد از جمعیت جهان به نوعی از افسردگی مبتلا هستند. اما تشخیص آن می تواند دشوار باشد، به ویژه زمانی که افراد مبتلا احساسات منفی را به دوستان، خانواده یا پزشکان گزارش نمی کنند (یا نمی خواهند).
🧠 @Neuroscience_New
🔻اکنون پروفسور استیونز، سانگ وون بائه، در حال کار بر روی چندین برنامه و سیستم تلفن هوشمند مجهز به هوش مصنوعی است که می توانند به صورت غیرتهاجمی به ما و دیگران هشدار دهند که ممکن است دچار افسردگی شویم. بائه می گوید: «افسردگی یک چالش بزرگ است. "ما می خواهیم کمک کنیم."
🔻و از آنجایی که اکثر مردم جهان امروز روزانه از تلفن های هوشمند استفاده می کنند، این می تواند یک ابزار تشخیص مفید باشد که از قبل ساخته شده و آماده استفاده است.
🧠 @Neuroscience_New
🔻او توضیح می‌دهد: «تحقیقات قبلی در سه دهه گذشته بارها نشان داده‌اند که چگونه رفلکس‌ها و پاسخ‌های مردمک می‌توانند با دوره‌های افسردگی مرتبط شوند. این سیستم به طور دقیق قطر مردمک‌ها را در مقایسه با عنبیه چشم‌های اطراف، از جریان‌های عکس 10 ثانیه‌ای «پاپدید» گرفته‌شده در حالی که کاربران در حال باز کردن تلفن‌های خود یا دسترسی به برخی رسانه‌های اجتماعی و برنامه‌های دیگر هستند، محاسبه می‌کند.
🔻در یک آزمایش اولیه این سیستم با ۲۵ داوطلب در یک دوره چهار هفته‌ای، این سیستم - که روی تلفن‌های هوشمند آن داوطلبان تعبیه شده بود - تقریباً ۱۶۰۰۰ تعامل با تلفن‌ها را پس از جمع‌آوری داده‌های تصویر دانش‌آموز تجزیه و تحلیل کرد. پس از آموزش هوش مصنوعی برای تمایز بین پاسخ‌های «عادی» و پاسخ‌های غیرعادی، Bae و اسلام داده‌های عکس را پردازش کردند و آنها را با حالت‌های خود گزارش‌شده داوطلبان مقایسه کردند.
🧠 @Neuroscience_New
🔻؛Bae که قبلاً سیستم‌های مبتنی بر گوشی‌های هوشمند را برای پیش‌بینی مصرف بیش از حد الکل و حشیش توسعه داده بود، می‌افزاید: «اکنون که این مفهوم به اثبات رسیده است، به توسعه این فناوری ادامه خواهیم داد.
🔻؛Bae خاطرنشان می کند: "تعداد رو به رشدی از مطالعات روانشناختی نشان می دهد که افسردگی با سیگنال های غیرکلامی مانند حرکات ماهیچه های صورت و حرکات سر مشخص می شود."
🧠 @Neuroscience_New
🔻؛FacePsy در پس‌زمینه گوشی اجرا می‌شود و هر زمان که گوشی باز می‌شود یا برنامه‌های کاربردی رایج باز می‌شوند، از چهره عکس می‌گیرد. (نکته مهم این است که تصاویر چهره خود را تقریباً بلافاصله پس از تجزیه و تحلیل حذف می کند و از حریم خصوصی کاربران محافظت می کند.)
🔻؛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."
🧠 @Neuroscience_New
🔻به عنوان مثال، افزایش لبخند در مطالعه مقدماتی ظاهر شد که نه با شادی بلکه با علائم بالقوه خلق و خوی افسرده و عاطفه مرتبط است. بائه می‌گوید: «این می‌تواند یک مکانیسم مقابله‌ای باشد، به‌عنوان مثال، افرادی که «چهره‌ای شجاع» برای خود و دیگران نشان می‌دهند، در حالی که واقعاً احساس ناراحتی می‌کنند. "یا می تواند مصنوع مطالعه باشد. تحقیقات بیشتری مورد نیاز است.»
🧠 @Neuroscience_New
🔻سایر سیگنال‌های آشکار افسردگی که در داده‌های اولیه آشکار شد، شامل حرکات کمتر صورت در ساعات صبح و الگوهای بسیار خاص حرکت چشم و سر بود. (برای مثال به نظر می رسید که خمیازه کشیدن یا حرکات پهلو به پهلو در طول صبح به شدت با افزایش علائم افسردگی مرتبط باشد.)
🧠 @Neuroscience_New
🔻جالب اینجاست که تشخیص بیشتر باز بودن چشم ها در صبح و عصر با افسردگی بالقوه نیز مرتبط است - نشان دادن بیان بیرونی هوشیاری یا شادی گاهی اوقات می تواند احساسات افسردگی را پنهان کند.
🔗 منبع:
https://neurosciencenews.com/ai-depression-facial-cue-eyes-27735/
ترجمه مقاله NU494
؛--------------------------------------
🧠 Telegram: @Neuroscience_New
👥 Group: @PortalRavan
instagram.com/Neuroscience_New