开发一种高效自动化的远程医疗患者参与度估计器：一种机器学习方法
计算机视觉与模式识别
2023-02-14 v4 人机交互
摘要
我们讨论了 MET，一种基于学习的算法，用于感知远程医疗会话中患者的参与度水平。我们利用心理学文献中常用于理解个体参与度水平的情感与认知特征对应的隐向量，在一个半监督的基于 GAN 的框架中进行分析。我们从心理健康的角度展示了该方法的有效性，更具体地说明了其如何被用于更好地理解远程精神健康会话中的患者参与度。为了推进类似技术以服务于远程医疗的发展，我们还计划发布一个名为 MEDICA 的数据集，包含 1299 个视频片段，每个时长 3 秒，并展示了在该数据集上的实验。我们的框架在参与度估计上相比最先进（SOTA）方法的 RMSE（均方根误差）提升了 40%。在真实世界测试中，我们还观察到心理治疗师报告的工作联盟量表得分与本方法存在正相关。这表明所提出的模型能够提供与心理治疗师所用参与度度量高度一致的患者参与度估计。
引用
@article{arxiv.2011.08690,
title = {Developing an Effective and Automated Patient Engagement Estimator for Telehealth: A Machine Learning Approach},
author = {Pooja Guhan and Naman Awasthi and and Kathryn McDonald and Kristin Bussell and Dinesh Manocha and Gloria Reeves and Aniket Bera},
journal= {arXiv preprint arXiv:2011.08690},
year = {2023}
}