从SDS评估的逐题长期视频记录中解读抑郁症
计算机视觉与模式识别
2021-06-28 v1 人工智能
机器学习
多媒体
摘要
自评抑郁量表（SDS）问卷常被用于高效的抑郁症初步筛查。然而，这种不可控的自评测量容易受敷衍或欺骗性作答的影响，从而产生与临床医师评定的汉密尔顿抑郁量表（HDRS）及最终诊断不同的结果。临床上，面部表情（FE）和动作在医师评定中起着至关重要的作用，而FE与动作在自评评估中尚未得到充分探索。本工作中，我们收集了200名受试者的新数据集，以证明其对应逐题视频记录下自评问卷的有效性。为从SDS评估及配对视频中自动解读抑郁症，我们提出了一种面向长期变长视频的端到端分层框架，并以问卷结果与作答时间为条件。具体而言，我们采用分层模型，利用3D CNN探索局部时间模式，并采用冗余感知自注意力（RAS）方案进行逐题全局特征聚合。针对冗余的长期FE视频处理，我们的RAS能够有效利用一个问题集合内各视频片段的相关性，基于特征两两亲和度强调判别性信息并消除冗余。随后，逐题视频特征与问卷得分拼接用于最终抑郁检测。我们的充分评估也显示了融合SDS评估及其视频记录的有效性，以及我们的框架相对于常规最优时间建模方法的优越性。
引用
@article{arxiv.2106.13393,
title = {Interpreting Depression From Question-wise Long-term Video Recording of SDS Evaluation},
author = {Wanqing Xie and Lizhong Liang and Yao Lu and Chen Wang and Jihong Shen and Hui Luo and Xiaofeng Liu},
journal= {arXiv preprint arXiv:2106.13393},
year = {2021}
}
备注
Published in IEEE Journal of Biomedical and Health Informatics