امروز : جمعه, ۲۹ خرداد , ۱۴۰۵
- مردم ایران در دفاع از امنیت و تبعیت از رهبری تردیدی ندارند
- دستگیری سارق منزل با ۱۸ فقره سرقت در نور
- گزینه جانشینی نقش اسپایدرمن / تام هالند رفتنی شد؟
- مکمل جوان سازی پوست؛ از تبلیغات تا واقعیت!
- جدال دولت با دولت بر سر فروش اینترنتی دارو
- از پایداری در روزهای سخت تا ثبت رکوردهای جدید
- امام جمعه گناوه: گناه و ظلم زمینهساز سلب نعمتهای الهی از جامعه است
- پشتپرده اختلاف شدید علی دایی و احمدرضا عابدزاده
- قرار شبانه شفتیها همزمان با شب چهارم محرم
- سمنان پای کار «عدالتِ روانی»؛ طرح نماد به محرومترین نقاط میرود
- تذکر شدید ترامپ به نتانیاهو: باید منطقیتر رفتار کند
- تحریمهای تازه واشنگتن علیه حزبالله لبنان
- دروس و ضرایب امتحانی آزمون کارشناسی ارشد ۱۴۰۶ اعلام شد/ متقاضیان بخوانند
- ادامه حملات اسرائیل به جنوب لبنان
- اعلام وضعیت قرمز در تهران/ گرمای جهنمی در راه پایتخت
- اسماعیل بقایی: خواستار صیانت از مسجدالاقصی و اماکن دینی فلسطین هستیم
- سهم پایین سلامت از تولید ناخالص داخلی
- راهنمای خرید دستگاه لیزر برای کلینیک؛ چطور بهترین انتخاب را داشته باشیم؟
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.