افزونه جلالی را نصب کنید.
- خیرجو: آبرسانی به پنج روستای خلخال با ۷۵۰ میلیارد ریال انجام می شود
- بسته خبری ۱۶ آذر ماه خبرگزاری مهر استان کردستان
- رئیس جدید اداره انجمن اولیاومربیان لرستان معرفی شد
- فرماندار تنگستان: اجرای پروژههای امدادی شهرستان تسریع شود
- اثرگذاری ماندگار فعالیتهای کانون پرورش فکری بر نسل آینده جامعه
- اعلام آمادهباش به دستگاههای امدادی و خدماترسان لرستان
- بسته خبری شبانه ۱۶ آذر ماه ۱۴۰۴ سیستان و بلوچستان
- استاندار: سفر هیئت دولت فرصتی مهم برای توسعه بخش خصوصی خوزستان است
- رئیس پلیس جدید راهنماییورانندگی لرستان معرفی شد
- دادستان رباطکریم: ارتباط عامل انفجار با جریانهای معاند محرز است
- کشف باند آدمربایان مسلح در اصفهان؛۲۵۰۰ میلیارد مطالبه کردند
- برادر عالم کرمانشاهی و روحانی انقلابی دار فانی را وداع گفت
- فعالیت مدارس و ادارات خوزستان فردا طبق روال عادی است
- سفر هیات دولت به خوزستان باید نتیجه ملموس داشته باشد
- محمدزاده: دانشگاه باید زنده، مطالبهگر و صدای جامعه باشد
- بانوان شاغل دارای فرزند هرمزگان دور کار شدند
- درخشش «رویای رنگی» در سرو ایرانی
- آلودگی هوا مدارس ابتدایی ساوه را فردا دوشنبه غیر حضوری کرد
تشخیص ساده افسردگی با یک نگاه
دانشمندان ژاپنی یک سامانه جدید هوش مصنوعی توسعه دادند که میتواند نشانههای مرتبط با احتمال افسردگی را از حالات چهره افراد تشخیص دهد.
«اضطراب زیر آستانه» یک حالت خفیف از علائم افسردگی است که معیارها را برای تشخیص را برآورده نمیکند، اما همچنان یک عامل خطر برای ابتلا به افسردگی است.
به نقل از ایسنا، «اریکو سوگیموری»(Eriko Sugimori) استادیار و «مایو یاماگوچی»(Mayu Yamaguchi) دانشجوی دکترا از «دانشگاه واسدا»(Waseda University) در ژاپن با استفاده از دادههای چهره و هوش مصنوعی، تغییراتی را در بیان چهرهای دانشجویان ژاپنی بررسی کردند.
«سوگیموری» میگوید: من قصد داشتم با افزایش نگرانیها در مورد سلامت روانی، بررسی کنم که چگونه نشانههای غیرکلامی ظریف مانند بیان چهرهای بر برداشتهای اجتماعی تأثیر میگذارند و با استفاده از تحلیل چهرهای مبتنی بر هوش مصنوعی، سلامت روان را منعکس میکنند.
دانشمندان از ۶۴ دانشجوی ژاپنی خواستند تا ویدئوهای کوتاه معرفی خود را ضبط کنند. سپس گروه دیگری متشکل از ۶۳ دانشجو، میزان رسا بودن، دوستانه بودن، طبیعی بودن یا دوستداشتنی بودن سخنرانان را ارزیابی کردند. این تیم همزمان، از یک سامانه هوش مصنوعی موسوم به «OpenFace ۲.۰» که حرکات کوچک در عضلات صورت را ردیابی میکند، برای تحلیل ویدئوها استفاده کرد.
نتایج، یک الگوی ثابت را نشان داد. دانشجویانی که علائم «اضطراب زیر آستانه» را گزارش کرده بودند، توسط همتایانشان به میزان کمتری دوستانه، رسا و دوستداشتنی ارزیابی شدند. با این وجود، آنها به عنوان افراد خشک، ساختگی یا عصبی ارزیابی نشدند.
این تیم خاطرنشان میکند: مطالعه ما با دانشجویان، یک ملاحظه مهم است، زیرا هنجارهای فرهنگی بر نحوه بیان احساسات افراد تأثیر میگذارند.
«سوگیموری» توضیح میدهد: رویکرد نوآورانه ما در استفاده از ویدئوهای کوتاه معرفی خود و تحلیل خودکار بیان چهرهای میتواند برای غربالگری و تشخیص سلامت روان در مدارس، دانشگاهها و محیطهای کاری استفاده شود.
مطالعه ما به طور کلی، یک ابزار جدید در دسترس و غیرتهاجمی برای تحلیل چهره مبتنی بر هوش مصنوعی است که جهت تشخیص زودهنگام افسردگی، قبل از ظهور علائم بالینی ارائه میدهد. این رویکرد امکان مداخلات زودهنگام و مراقبت به موقع از سلامت روان را فراهم میسازد.
«اضطراب زیر آستانه» با تغییر در بیان چهره و شکلگیری برداشت از طریق ارزیابیهای ذهنی مرتبط است، افسردگی نیز اغلب با کاهش قابلیت بیان چهرهای و سوگیریها در تشخیص احساسات دیگران مرتبط است. اینکه آیا «اضطراب زیر آستانه» که یک مرحله پیشساز احتمالی افسردگی است، تغییرات مشابهی را نشان میدهد یا خیر، هنوز نامشخص است.
این اختلال با بیان مثبت خاموش و الگوهای متمایز حرکات چشم و دهان مرتبط بود، اما بر قضاوتهای اولیه ناظران تأثیری نداشت.
این یافتهها در مجموع، نشان میدهد که «اضطراب زیر آستانه» با تغییراتی در بیان چهرهای به ویژه در بیانهای مثبت، مرتبط است، در حالی که بر نحوه درک دیگران از آن بیانها زیاد تأثیرگذار نیست.
این رویکرد میتواند در فناوری سلامت روان، پلتفرمهای سلامت دیجیتال یا برنامههای رفاه کارکنان برای نظارت کارآمد بر سلامت روانی استفاده شود.
- دیدگاه های ارسال شده توسط شما، پس از تایید توسط روابط عمومی ایران مدلبز منتشر خواهد شد.
- پیام هایی که حاوی تهمت یا افترا و خلاف قوانین جمهوری اسلامی باشد منتشر نخواهد شد.
- لازم به یادآوری است که آی پی شخص نظر دهنده ثبت می شود و کلیه مسئولیت های حقوقی نظرات بر عهده شخص نظر بوده و قابل پیگیری قضایی می باشد که در صورت هر گونه شکایت مسئولیت بر عهده شخص نظر دهنده خواهد بود.
- پیام هایی که به غیر از زبان فارسی یا غیر مرتبط باشد منتشر نخواهد شد.