基于视觉的认知训练 session 中疲劳与投入度的估计
计算机视觉与模式识别
2023-11-17 v3
摘要
计算机化认知训练（CCT）是一种可扩展、耐受性良好的干预手段，有望减缓认知衰退。CCT 的效果受有效投入不足的限制，而精神疲劳等因素（尤其在痴呆风险老年人群中）会降低投入度。亟需可扩展的自动化测量手段来监测 CCT 过程中的精神疲劳。在此，我们开发并验证了一种新颖的循环视频 Transformer（RVT）方法，用于通过 CCT 期间录制的面部姿态视频监测轻度认知障碍老年人的实时精神疲劳。在精神疲劳的二分类与多分类任务中，RVT 模型相较先前最先进的模型取得了最高的平衡准确率（78%）和精度（0.82），并通过与 CCT 反应时间的显著关联（p=0.023）得到进一步验证。通过利用动态时间信息，RVT 模型展示了准确测量实时精神疲劳的潜力，为未来提升有效投入的个性化 CCT 奠定了基础。
引用
@article{arxiv.2304.12470,
title = {Vision-based Estimation of Fatigue and Engagement in Cognitive Training Sessions},
author = {Yanchen Wang and Adam Turnbull and Yunlong Xu and Kathi Heffner and Feng Vankee Lin and Ehsan Adeli},
journal= {arXiv preprint arXiv:2304.12470},
year = {2023}
}
备注
23 pages, 6 figures