İş Yazılımı

Yapay zeka modelleriyle depresyonu değerlendirmenin etkinliğini artırın

İnsanların, ses tonlaması veya o kişinin çıkardığı herhangi bir ses aracılığıyla, bir kişinin duygularını ve ruh halini nispeten doğru bir şekilde tespit edip tahmin edebildiklerini duymuş olabilirsiniz.

Belki de insanların, ses tonlaması veya o kişinin çıkardığı herhangi bir ses aracılığıyla, bir bireyin duygularını ve ruh halini nispeten doğru bir şekilde tespit edip değerlendirebildiğini duymuşsunuzdur. Aslında Beyond Verbal, Affectiva ve MIT'nin yan ürünü Cogito gibi pek çok iddialı girişim, şu anda bunun gerçekleşmesi için doğal dil işleme projelerini yürütüyor. Bununla birlikte, bu projelere şüpheyle yaklaşan ve sağlam verilerin, bırakın uygulamayı, bir kişinin ruh halini doğru bir şekilde analiz etmek için tek başına yeterli olmadığına inanan birçok görüş de mevcut.Bu analiz sonuçlarını, depresyonun yanı sıra şiddetini teşhis etmek için kullanın.

Yapay zeka modelleriyle depresyonu değerlendirmenin etkinliğini artırın

Hindistan Teknoloji Enstitüsü Patna ve Caen Normandiya Üniversitesi'ndeki bilim adamlarının, beden dilini, akustik, metin ve görüntüleri teşhis etmek ve değerlendirmek için sözlü ve sözsüz sinyalleri kullanan potansiyel bir projeyi uygulamaya koymalarının nedeni budur. Bir kişinin yaşadığı depresyon veya stres düzeyi. Özellikle sözlü ve sözsüz sinyaller tanıda anahtar rol oynamaya devam ederken, sözel olmayan işaretler ve görüntüler de tanıyı önemli ölçüde iyileştirmeye yardımcı olan faktörler olarak kullanılacak.Depresyonun şiddetini tahmin etmede doğru.

“İşin ve yaşamın getirdiği yük, her geçen gün daha fazla insanın depresyonla, hatta bazen farkında bile olmadığı ruhsal hastalıklarla yaşamasına, giderek daha ciddi hastalıklara yol açmasına, daha ciddi hale gelmesine, yaşam ve iş üzerinde olumsuz etkilere neden oluyor. Akıl hastalıklarının, genel olarak akıl hastalıklarının ve özel olarak depresyonun saptanması, değerlendirilmesi ve tedavisinde daha gelişmiş, kişiselleştirilmiş ve otomatikleştirilmiş teknolojilerin kullanımını daha da teşvik etmemizin nedeni de budur. Ancak depresyonun erken belirtilerini tespit etmek zorlu bir sorun çünkü bu hastalığın birçok belirtisi hâlâ gizli ve yanıltıcı olabiliyor." diye paylaştı araştırmacılar.

Yapay zeka modelleriyle depresyonu değerlendirmenin etkinliğini artırın

Bu sorunu çözmek için Hindistan Teknoloji Enstitüsü Patna ve Caen Normandiya Üniversitesi'ndeki bilim adamları, kafa sarkması, göz teması, gülümsemelerin süresi ve yoğunluğu gibi düşünceler de dahil olmak üzere insan duygularına ve durumlarına dolaylı olarak atıfta bulunabilecek bir dizi unsuru kodladılar. metin ve sözlü ipuçlarıyla birlikte vücudun belirli bölgelerine dokunan jestler… Daha sonra öğrenen model makineye besleniyor ve bunları vektörler (matematiksel temsiller) halinde birleştiriyor. Bu birleştirilmiş vektörler daha sonra, klinik deneylerde yaygın olarak kullanılan bir teşhis testi olan Kişisel Sağlık Sıkıntı Ölçeği'ne (PHQ-8) dayalı olarak depresyon düzeylerini tahmin eden ikinci bir sistemden geçirildi.Büyük ölçekli klinik psikoloji araştırması.

Çeşitli yapay zeka sistemlerini eğitmek için araştırmacılar, Tehlike Analizi Röportajı Derlemi'nden derlenen, depresyonla ilgili bir veri seti olan AIC-WOZ'daki verileri kullandılar. Bu veri seti, ses kaydı örneklerine ve 189 klinik görüşmeden soruları yanıtlayan video kliplere dayalı olarak elde edilen jestler, konuşmalar, gözler ve eylemler hakkında büyük miktarda veri içerir. Anksiyete, depresyon ve travma sonrası gibi semptomların psikolojik teşhisini desteklemeye hazırdır. stres bozukluğu (konu dışı veya yarım bırakılan cevaplar kaldırılmıştır).

Yapay zeka modelleriyle depresyonu değerlendirmenin etkinliğini artırın

Birkaç ön işleme adımından ve makine öğrenimi modelinin eğitilmesinden sonra araştırma ekibi, yapay zeka sistemlerinin sonuçlarını 3 ölçüm kullanarak karşılaştırdı: Ortalama karesel hata (RMSE), ortalama mutlak hata (MAE) ve açıklanan varyans puanı (EVS). Araştırmacıların raporuna göre, ses, metin ve görüntüden oluşan üç unsurun birleşimi, belirli bir deneğin depresyon düzeyine ilişkin en doğru tahminin sağlanmasına yardımcı oldu ve RMSE'deki maksimum %7,17 ve MAE'deki %8,08 ile karşılaştırıldığında bu oranı geride bıraktı.

Gelecekte araştırma ekibi ayrıca daha modern çok görevli öğrenme mimarilerini test etmeyi ve metin verileriyle ilgili yeni sorunları "daha derinlemesine incelemeyi" planlıyor. Olumlu sonuçlar getirmeleri halinde, bu projeler yapay zekanın genel olarak tıbba ve özel olarak nörolojik hastalıkların tedavisinde uygulanmasında gerçekten güçlü bir adım olacak ve şu anda depresyondan muzdarip olan 300 milyondan fazla insana umut verici bir görünüm getirecek. önümüzdeki birkaç yılda dünya çapında daha da hızlı artması bekleniyor.

More in İş Yazılımı