Red de atención de frecuencia temporal a múltiples escalas basada en imágenes oculares para la detección de la depresión | JoVE Visualize

Área de la Ciencia:

La neurociencia
Ciencias de la computación
La psiquiatría

Sus antecedentes:

La depresión es un trastorno mental frecuente con diversos síntomas que afectan el estado de ánimo, la cognición y la fisiología.
Las imágenes oculares revelan patrones de movimiento ocular distintos en individuos con depresión en comparación con controles sanos.
Los modelos de aprendizaje profundo existentes, como las redes neuronales convolucionales, tienen limitaciones en la captura de características espaciotemporales complejas a partir de datos de movimiento ocular.

Objetivo del estudio:

Proponer un nuevo modelo de aprendizaje profundo, MTFNet, para mejorar el reconocimiento de la depresión utilizando imágenes oculares.
Abordar las limitaciones de los modelos existentes en la captura de características globales y locales a partir de datos secuenciales de movimientos oculares.
Mejorar la precisión y efectividad de la detección de depresión impulsada por IA.

Principales métodos:

Desarrolló la Red de Atención de Frecuencia Temporal a Escala Múltiple (MTFNet), integrando la atención de dominio de frecuencia temporal a Escala Múltiple con el Transformador Video Swin.
Se introdujo el MTFAM (Multi-Scale Temporal-Frequency Attention Module) para enfocarse en las regiones salientes dentro de las imágenes de movimiento ocular.
Se utilizaron datos secuenciales de imágenes de movimiento ocular para el entrenamiento y la evaluación del modelo MTFNet.

Principales resultados:

El modelo MTFNet propuesto logró una alta precisión del 76,8% en un conjunto de datos de imágenes de movimiento ocular auto recogidas.
MTFNet demostró un rendimiento superior en comparación con la mayoría de los modelos de reconocimiento de depresión existentes.
El modelo capturó efectivamente características cruciales de los datos secuenciales de movimiento ocular, mejorando la comprensión de las estructuras subyacentes.

Conclusiones:

MTFNet ofrece un enfoque prometedor y novedoso para el reconocimiento de la depresión basado en imágenes de movimiento ocular.
La integración de la atención de frecuencia temporal de múltiples escalas mejora significativamente la extracción de características de los datos oculares.
Esta investigación contribuye al desarrollo de herramientas objetivas basadas en la IA para la evaluación de la salud mental.