基于眼动追踪的抑郁与社交焦虑人工智能筛查:一项探索性研究
计算机视觉与模式识别
2025-03-25 v1 人工智能
计算机与社会
人机交互
机器学习
摘要
幸福感是一个随时间动态演变并在个体内波动的构念,这给其精确量化带来了挑战。幸福感的降低常与抑郁或焦虑障碍相关,这些障碍的特征表现为对特定刺激(如人脸)的视觉注意偏向。本文提出了一种新的人工智能辅助情感障碍筛查方法,通过卷积神经网络(CNN)分析视觉注意扫描路径。数据来自两项研究,分别考察(1)被诊断为重度抑郁的个体的注意倾向,以及(2)社交焦虑。这些数据通过残差 CNN 处理,处理对象为由眼动模式生成的图像。基于 ResNet 架构的实验结果表明,在三分类系统中平均准确率为 48%,在二分类系统中为 62%。基于这些探索性发现,我们提出该方法可用于快速、生态化且有效的心理健康筛查系统,以通过眼动追踪评估幸福感。
引用
@article{arxiv.2503.17625,
title = {AI-Based Screening for Depression and Social Anxiety Through Eye Tracking: An Exploratory Study},
author = {Karol Chlasta and Katarzyna Wisiecka and Krzysztof Krejtz and Izabela Krejtz},
journal= {arXiv preprint arXiv:2503.17625},
year = {2025}
}
备注
17 pages, 11 figures