SchiNet：基于面部行为分析的精神分裂症症状自动评估

精神分裂症患者常在情绪与言语表达方面表现出障碍，这些障碍会体现在其面部行为中。旨在评估精神分裂症症状的面部表情自动分析近来受到关注。然而，通常用于训练和评估所开发方法的数据集仅包含少量患者（4–34人），且录制于受试者执行受控任务（如聆听生活情境片段或回答情绪相关问题）时。本文使用专业医师与患者访谈的视频，其中症状以标准化方式评估（即实践中应当或可能采用的评估方式），并在真实条件下（即变化的照明水平与相机视角）于患者家中或精神卫生服务机构录制。我们自动分析了91名门诊患者的面部行为——这几乎是其他研究中患者数量的三倍——并提出了SchiNet，一种新颖的神经网络架构，用于在两场不同的评估访谈中估计与表达相关的症状。我们针对所提出的SchiNet进行了患者无关的精神分裂症症状预测评估。实验结果表明，部分自动检测到的面部表情与精神分裂症症状显著相关，且所提出的用于估计症状严重程度的网络取得了有前景的结果。