使用POV眼镜和机器学习进行多式联络分析的新方法来检测抑郁症

科学领域:

• 精神病学和行为科学 精神病学和行为科学
• 计算机科学和机器学习
• 生物医学工程 生物医学工程

背景情况:

• 重度抑郁症 (MDD) 诊断严重依赖主观方法,需要客观的,以技术为导向的方法.
• 可穿戴的视角眼镜 (POV) 通过捕获视觉和听觉数据,为多式联络行为分析提供了一种新的解决方案.
• 客观评估工具对于支持心理健康的临床决策至关重要.

研究的目的:

• 调查机器学习分析POV眼镜特征的有效性,以区分MDD患者与健康对照.
• 确定与MDD相关的特定视觉和听觉行为标记.
• 评估可穿戴技术作为客观诊断辅助工具的潜力.

主要方法:

• 44名MDD患者和41名健康对照 (HCs) 参加,年龄在18-55岁之间.
• 在半结构面试期间,POV眼镜记录了视频和音频,捕捉了诸如凝视,微笑,眼,头部运动,响应延迟,沉默比率和字数等特征.
• 使用递归特征消除和多个分类器,并使用离开-一个-输出交叉验证验证ExtraTrees模型.

主要成果:

• 经过邦费罗尼校正后,在微笑持续时间,中心凝视和快乐面部持续时间方面观察到显著的群体差异.
• 多模式分类器实现了高性能指标:准确率为84.7%,灵敏度为90.9%,特异性为78%,F1得分为86%.
• 从POV数据中提取的特定行为标记有效地将MDD与对照区分开来.

结论:

• 结合机器学习的POV眼镜成功识别了用于MDD检测的客观,多式模式行为标记.
• 这种可穿戴,低负担的方法显示了作为传统精神病学评估的辅助的重大前景.
• 需要进一步的研究来验证在不同人群和现实世界的临床环境中普遍性.