精神疾病的行为测量:使用自动面部编码来检测视频中的非语言表情
Elizabeth A Martin1, Wenxuan Lian2, Joshua R Oltmanns3
1Department of Psychological Science, University of California, Irvine, CA, USA.
Journal of psychiatric research
|June 3, 2024
概括
自动面部编码 (AFC) 提供了一种研究精神病情绪缺陷的新方法. 这项技术有效地测量面部表情和头部运动,有助于研究和治疗精神分裂症谱系障碍的潜在治疗.
科学领域:
- 精神病学和行为科学 精神病学和行为科学
- 计算心理学 计算心理学
- 情感计算是一种情感计算.
背景情况:
- 情绪缺陷,特别是面部表情,在精神病中很常见,并且难以治疗.
- 手动编码面部表情是耗时的,阻碍了研究进展.
- 自动面部编码 (AFC) 是克服这些局限性的潜在解决方案.
研究的目的:
- 为了验证AFC在精神病研究中的实用性.
- 建立AFC作为精神疾病中临床构造的有效衡量标准.
- 研究精神病和非精神病群体之间的面部表情和头部运动差异.
主要方法:
- 使用FaceReader软件进行视频录制的自动化面部表情分析 (AFC).
- 评估了精神分裂症/精神分裂情绪障碍 (SZ),其他精神病障碍 (OP) 和从未精神病患者 (NP) 的参与者的面部表情和头部运动.
- 根据行为指标检查了群体歧视,并将其与临床症状评级相关联.
主要成果:
- 与从未患有精神病的组相比,精神分裂症/精神分裂情绪障碍组在中性和快乐表情,兴奋和头部运动方面表现出明显减少的变化.
- AFC的测量有效地歧视了SZ和NP组 (AUC=0.79),但SZ和OP组之间的歧视较小 (AUC=0.66).
- 在临床医生评估的症状和行为指标之间发现了显著的相关性,特别是快乐的表情,兴奋和头部运动.
结论:
- AFC为精神病研究提供了有价值的行为数据,解决了手动编码的局限性.
- AFC的测量表明了在精神病中评估非语言情绪缺陷的潜力.
- 这些发现表明,AFC可以加强对精神病的研究,并为情绪异常的治疗开发提供信息.
更多相关视频
07:12Protocol for Data Collection and Analysis Applied to Automated Facial Expression Analysis Technology and Temporal Analysis for Sensory Evaluation
Published on: August 26, 2016
9.4K
08:31Conscious and Non-conscious Representations of Emotional Faces in Asperger's Syndrome
Published on: July 31, 2016
13.1K
