Exploring Facial Biomarkers for Detecting Depression through Temporal Analysis of Action Units
本研究表明，通过利用时间序列分类和聚类技术对面部动作单元与情绪进行时序分析，可以有效区分抑郁与非抑郁个体，其方式是揭示了悲伤相关表情与快乐相关表情在强度上的显著差异。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
抑郁症是一种让日常生活失去光彩的疾病，它将平凡的时刻变为沉重的负担，并剥夺了感受快乐的能力。几十年来，医生一直依赖患者通过访谈和问卷来描述他们的内心世界，要求他们评价自己的悲伤程度或列举他们的丧失。虽然这些工具很有价值，但它们完全取决于一个人表达感受的能力，而当大脑被正在诊断的疾病所笼罩时，这种表达能力可能会变得困难。科学家们长期以来一直怀疑，脸部可能记录着这种挣扎中更诚实的记录。人类的面部是一个复杂的仪器，由数十块微小的肌肉控制，这些肌肉通过抽动和收紧来形成表情。当我们感受到特定的情绪时，这些肌肉会以可预测的模式运动，创造出一种可以被测量的独特特征。如果这些模式在抑郁症患者身上以一致的方式发生变化，那么脸部本身就可以成为通往心灵的窗口，提供一种无需询问任何问题就能观察到这种疾病的方法。
德国的一个研究小组致力于测试这个想法，他们观察了抑郁症患者面部随时间变化的运动方式。他们不仅仅是观察微笑或皱眉的单一瞬间；相反，他们使用智能手机以每秒30帧的标准速率记录视频数据，以观察在特定的“情绪诱发”阶段，表情是如何演变、消退和重新出现的。他们的目标是寻找面部运动中能够区分抑郁症患者与健康人的特定、可测量的迹象。该研究聚焦于一个被称为“面部动作编码系统”（Facial Action Coding System）的系统，该系统将每一种面部表情分解为最小的构建模块。这些构建模块被称为“动作单元”（action units），代表单个肌肉的运动，例如抬起内眉毛或拉低嘴角。通过逐秒追踪这些运动的强度，研究人员希望揭示一种患者自己可能并未察觉到的痛苦的隐藏语言。
研究人员收集了参与者在进行特定心理环节时的视频数据，该环节旨在诱发情绪。在这一环节中，参与者被要求聆听旨在诱发悲伤或痛苦感的负面陈述。当他们做出反应时，智能手机摄像头捕捉到了他们的面部，记录了每一次细微的肌肉变化。随后，团队使用计算机软件将这些视频转化为数据，精确测量每一时刻每个面部肌肉被激活的强度。他们专注于一些已知与悲伤相关的关键运动，如抬起内眉毛、压低眉毛以及下压嘴角。他们还观察了与快乐相关的运动，研究将其定义为颧骨抬起和嘴角上扬的结合。
当团队将抑郁症参与者的数据与健康组的数据进行比较时，明显的差异显现了出来。抑郁症患者表现出一种一致的模式，即与悲伤相关的运动更强且更频繁。他们的内眉毛抬得更高，眉毛压得更深，嘴角下拉的强度也更大。相比之下，与快乐相关的运动在抑郁组中明显较弱且频率较低。健康参与者展现出更多快乐的脸部特征，而抑郁参与者似乎陷入了一种在脸上清晰可见的情绪沉重状态中。这些不仅仅是转瞬即逝的时刻；这些模式在整个录制过程中保持稳定，表明这两组人群在表达情绪方面存在根本性的差异。
为了理解这些庞大的动态数据，研究人员使用了一种简化信息的方法，将相似的模式分组在一起，看它们是否自然地形成了不同的簇。他们发现，抑郁组的面部表情倾向于聚集在一起，并与健康组截然分开。这种聚类证实了这些个体面部运动的方式并非随机噪声，而是一种连贯的信号。研究人员还测试了几种旨在从基于时间的数据中学习的计算机模型，类似于人通过节奏而非仅仅通过单个音符来识别一首歌。其中一种特别的方法——利用随机数学滤波器来寻找序列中面部运动的模式——被证明是最有效的。它能够仅根据面部视频，在约百分之七十的时间里正确识别出一个人是抑郁还是健康。
研究结论指出，脸部确实携带了抑郁症的可测量特征，这体现在肌肉运动的特定强度和时机中。研究结果表明，悲伤不仅是内在的感觉，而且在身体上是以更大的力量表现出来的，而对于遭受这种疾病的人来说，快乐的表达则缺乏活力。这并不意味着计算机可以取代医生，但它指向了一个未来，即技术可以提供一种客观、无创的工具来帮助诊断心理健康问题。通过观察面部肌肉的微妙舞动，科学或许很快就能洞察抑郁症那看不见的重量，为理解和治疗这种长期以来只能通过人们如何描述感受来定义的疾病提供一种新途径。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。