情感障碍之貌
计算机视觉与模式识别
2022-09-07 v3 图像与视频处理
神经元与认知
摘要
我们研究在临床精神病学领域中由脑唤醒调节所改变的面部行为的统计特性。其底层机制关联到将警觉性连续统作为特定心理状态行为替代度量的经验性解释。相较于经典的基于头皮的侵入式测量，我们将所提方法命名为光电电子脑电图（OEG），其仅依赖现代基于摄像头的实时信号处理与计算机视觉。基于作为面部动力学相干性的随机表示（反映情绪表达中的半面不对称），我们展示了对患者与健康对照、以及精神障碍抑郁症与精神分裂症及其症状严重度的近乎完美的区分。与耗时、主观且未纳入诸如实时面部动力学等神经生物学数据的标准诊断流程相比，情感反应性的客观随机建模仅需几分钟基于视频的面部记录。我们还强调了该方法论作为跨诊断分析中预测药物治疗结果的因果推断模型的潜力。所有结果均在一个含99名患者与43名对照的临床纵向数据收集上获得。
引用
@article{arxiv.2208.01369,
title = {The Face of Affective Disorders},
author = {Christian S. Pilz and Benjamin Clemens and Inka C. Hiss and Christoph Weiss and Ulrich Canzler and Jarek Krajewski and Ute Habel and Steffen Leonhardt},
journal= {arXiv preprint arXiv:2208.01369},
year = {2022}
}
备注
15 pages. Submitted for Peer Review to the IEEE Transaction on Affective Computing