鬱病の検出のための眼画像に基づく多層次時間周波数注意ネットワーク

科学分野:

• 神経科学
• コンピュータ科学
• 精神科

背景:

• 鬱病は一般的な精神障害で 気分や認知能力や生理に 影響する症状が多種多種です
• 眼鏡検査では 鬱を患っている人の眼の動きが 健康な対照群と比較して 異なっています
• コンボリューションニューラルネットワークのような 既存のディープラーニングモデルは 目の動きデータから 複雑な時空の特徴を捉えるのに 限界があります

研究 の 目的:

• MTFNetという新しいディープラーニングモデルを提案し,眼画像を用いてうつ病の認識を向上させる.
• 連続した目の動きデータからグローバルとローカルな特徴を捉える現行のモデルの限界に対処する.
• 人工知能によるうつ病検知の 正確さと効果を向上させるため

主な方法:

• マルチスケール時間周波数注意ネットワーク (MTFNet) を開発し,マルチスケール時間周波数領域注意をビデオスウィントランスフォーマーと統合した.
• マルチスケール・テンポラル・周波数・アテンション・モジュール (MTFAM) を導入し,目の動き画像内の突出領域に焦点を当てました.
• MTFNetモデルのトレーニングと評価のために連続的な眼球運動画像データを利用しました.

主要な成果:

• 提案されたMTFNetモデルは,自己収集された目の動き画像データセットで76.8%の高い精度を達成しました.
• MTFNetは,ほとんどの既存のうつ病認識モデルと比較して優れた性能を示しました.
• このモデルは 連続した眼の動きデータから 重要な特徴を効果的に捉え 基礎構造の理解を深めました

結論:

• MTFNetは 目の動きを画像化することで うつ病の認識に 新しいアプローチを提案しています
• マルチスケールの時間周波数の注意を統合することで,目のデータから特徴の抽出が大幅に改善されます.
• この研究は,メンタルヘルス評価のための客観的なAIベースのツールの開発に寄与します.