基于面部表情的评价的情绪估计软件Kokoro传感器在健康个体:验证和可靠性试点研究研究

科学领域:

• 医疗保健技术 技术 医疗保健 技术
• 人工智能在医学中的应用
• 情感计算是一种情感计算.

背景情况:

• 人工智能 (AI) 系统在医疗保健中越来越多地用于客观的情绪状态评估.
• 人工智能为情绪评估提供了一种安全,快速和用户友好的方法.
• 支持在医疗保健中用于情绪识别的人工智能实施的证据仍然有限.

研究的目的:

• 评估基于面部表情的情感识别AI系统的并发有效性.
• 为了确定情绪识别人工智能系统的测试-重新测试可靠性.
• 探索AI驱动的面部表情分析在医疗保健中的临床实用性.

主要方法:

• 使用Kokoro传感器,这是一个自动面部表情识别系统.
• 通过使用参与者和研究人员的主观评价通过利克特尺度评估并发有效性和测试重试可靠性.
• 采用了日本版本的"情绪状态概况简单表格"来控制心理状态的影响.

主要成果:

• 同时有效性显示了积极表达的高一致性 (CVI 95-100%),但对负面表达的低一致性 (CVI 70-85%).
• 总体上发现了中度一致 (κ=0.55),对于正和中性表达式 (κ=0.83) 几乎完全一致.
• 试验复试可靠性很大 (κ=0.66),对正面与中性表达的高度一致 (κ=0.85),但对负面与中性表达的有限 (κ=0.36).

结论:

• 科科罗传感器显示出识别积极影响的潜力,这是由于可接受的并发有效性和积极/中立区别的高一致性.
• 对负面表达的有限有效性和可靠性可能会限制其用于检测负面影响的临床实用性.
• 建议在临床环境中使用Kokoro传感器作为辅助工具,而不是独立的方法.