利用视频对话中面部特征检测轻度认知障碍
计算机视觉与模式识别
2024-06-25 v1
摘要
轻度认知障碍（MCI）的早期检测有助于早期干预以延缓其向痴呆的进展。深度学习（DL）算法可助力实现 MCI 早期非侵入、低成本的检测。本文提出仅基于家庭视频对话中提取的面部特征、利用 DL 模型检测老年人 MCI。我们使用来自 I-CONECT 行为干预研究（NCT02871921）的数据，该研究对社会隔离老年人与访谈者间的多次半结构化访谈进行了视频录制。我们开发了一个框架，使用卷积自编码器提取空间整体面部特征，并使用 transformers 提取时间信息。我们提出的 DL 模型能够利用面部特征检测 I-CONECT 研究参与者的认知状况（MCI 与认知正常者（NC））。面部特征的片段与序列信息相比非时间特征提升了预测性能。该联合方法的检测准确率达 88%，而在未应用视频中特定主题下面部特征的片段与序列信息时准确率为 84%。
引用
@article{arxiv.2308.15624,
title = {Detection of Mild Cognitive Impairment Using Facial Features in Video Conversations},
author = {Muath Alsuhaibani and Hiroko H. Dodge and Mohammad H. Mahoor},
journal= {arXiv preprint arXiv:2308.15624},
year = {2024}
}