情绪捕捉:使用野生智能手机图像检测抑郁症

科学领域:

• 数字心理健康数字心理健康
• 计算精神病学是一种计算精神病学.
• 计算机视觉用于医疗保健.

背景情况:

• 大型抑郁症 (MDD) 的诊断往往依赖于主观的自我报告.
• 对抑郁症症状的客观,持续的监测是具有挑战性的.
• 移动传感提供了对心理健康的生态瞬间评估的潜力.

研究的目的:

• 推出MoodCapture,一种使用被动捕获的智能手机图像来评估抑郁症的系统.
• 调查视觉图像属性与抑郁症严重程度之间的关系.
• 评估基于图像的抑郁症检测的可行性和用户感知.

主要方法:

• 在90天内从177名患有MDD的参与者收集了超过125,000张图像.
• 图像是在日常生活中自然捕获的,与PHQ-8抑郁调查并发.
• 使用随机森林模型,对面部地标和图像属性进行训练,以分类抑郁症和预测PHQ-8分数.

主要成果:

• 随机森林模型有效地将抑郁状态与非抑郁状态分类,并预测PHQ-8分数.
• 分析揭示了与抑郁相关的显著图像属性,包括角度,颜色,位置,物体和照明.
• 后期分析提供了关于特征重要性和潜在偏差的见解.

结论:

• 智能手机拍摄的图像包含可量化的视觉信息,与抑郁症评估有关.
• MoodCapture展示了作为监测抑郁症的新,野外工具的潜力.
• 用户隐私问题至关重要,必须为未来数字心理健康技术的设计提供信息.