基于眼动与头部姿态的可解释 AI 自杀风险评估
信号处理
2022-06-16 v1
摘要
自20世纪以来,自杀的患病率持续上升,给个人、家庭和社区带来了严重的情感伤害。尽管这一自杀流行病十分严峻,迄今为止仍无可靠且系统的方法来评估特定个体的自杀意图。近年来,随着精神和心理疾病诊断自动化与系统化的努力,言语与声学行为作为生物标志物受到越来越多的关注,但鲜有研究探讨眼睑、注视与头部姿态在自杀风险评估中的作用。本研究探索统计分析、特征选择与机器学习分类作为自杀风险评估及非言语行为解读的手段。将这些方法应用于从我们独特数据集中提取的眼部和头部信号,本研究发现高自杀风险个体经历精神运动迟滞及焦虑、抑郁症状,表现为回避眼神接触、眨眼更慢以及向下注视。通过比较不同分类方法的结果,我们确定这些特征能够以高于98%的一致高准确率自动分类不同水平的自杀风险。我们的结论印证了心理学研究,并展现出一种可被医疗提供者与普通观察者采用的系统化自杀风险评估方法的巨大潜力。
引用
@article{arxiv.2206.07522,
title = {Explainable AI for Suicide Risk Assessment Using Eye Activities and Head Gestures},
author = {Siyu Liu and Catherine Lu and Sharifa Alghowinem and Lea Gotoh and Cynthia Breazeal and Hae Won Park},
journal= {arXiv preprint arXiv:2206.07522},
year = {2022}
}
备注
Artificial Intelligence in HCI. HCII 2022