DS-CNN: 深度卷积神经网络用于在海豚辅助治疗期间检测唐氏综合征儿童的面部情绪
Jesús Jaime Moreno Escobar1, Oswaldo Morales Matamoros1, Erika Yolanda Aguilar Del Villar1
1Escuela Superior de Ingeniería Mecánica y Eléctrica, Unidad Zacatenco, Instituto Politécnico Nacional, Ciudad de México 07340, Mexico.
Healthcare (Basel, Switzerland)
|August 26, 2023
概括
这项研究使用面部分析和大脑活动预测了唐氏综合征儿童在治疗期间的情绪. 将脑电图 (EEG) 信号与深度学习模型相结合,可显著提高情绪检测的准确性.
科学领域:
- 计算神经科学是一种计算神经科学.
- 发展心理学是发展心理学.
- 人工智能的人工智能是人工智能.
背景情况:
- 唐氏综合征 (Trisomy 21) 影响全球大约1000名新生儿中的1名.
- 准确的情绪检测对于治疗干预至关重要,特别是在脆弱人群中.
- 海豚辅助疗法是发展障碍儿童的公认方法.
研究的目的:
- 开发和评估用于检测和分析唐氏综合征儿童面部情绪的AI模型.
- 在海豚辅助治疗期间预测情绪状态.
- 通过整合大脑活动数据来增强情绪识别.
主要方法:
- 使用了两个数据集:探索性数据分析 (20,214张图像) 和唐氏综合征数据集 (1445张图像).
- 开发了两个深度卷积神经网络 (CNN) 架构用于面部情绪分析.
- 集成的脑电图 (EEG) 信号与CNN模型进行增强的预测.
主要成果:
- 最初的CNN模型在大型图像数据库上实现了79%的效率.
- 一个专注于唐氏综合征面部情绪的精细模型达到72%的效率.
- 整合EEG信号提高了预测准确度,平均精度达到81%.
结论:
- 深度学习模型在分析唐氏综合征儿童面部情绪方面表现有前途.
- 整合EEG信号显著提高了情绪预测的准确性.
- 这种方法为在治疗期间监测和支持唐氏综合征儿童提供了一个新的工具.
