A psychologically interpretable artificial intelligence framework for the screening of loneliness, depression, and anxiety
- 点击次数：
- 所属单位：Shanghai Jiao Tong University
- 发表刊物：Applied Psychology: Health and Well-Being
- 摘要：孤独、抑郁和焦虑（LDA）等负面情绪普遍存在，对情绪健康构成了巨大挑战。传统的 LDA 评估方法依赖于调查问卷，但往往由于参与者的无能或潜在偏见而面临局限性。本研究介绍了一种人工智能（AI）驱动的心理学框架--emoLDAnet，该框架利用视频录像对话，通过分析面部表情和生理信号来检测负面情绪。我们招募了 50 名参与者进行问卷调查和访谈，并将他们的回答录制成视频。emoLDAnet采用深度学习（如VGG11）和机器学习（如决策树[DTs]）相结合的方法来识别情绪状态。emoLDAnet 结合了 OCC-PAD-LDA 心理转换模型，通过将面部表情转换为具有心理意义的数据，提高了人工智能决策的可解释性。结果表明，emoLDAnet 对孤独、抑郁和焦虑的检测率很高，F1 分数超过 80%，肯德尔相关系数超过 0.5，与传统量表的一致性很强。研究强调了 OCC-PAD-LDA 模型在提高筛选准确性方面的重要性，以及机器学习分类器对该框架性能的显著影响。emoLDAnet具有支持大规模情绪健康早期筛查的潜力，并将为情绪健康筛查的发展做出贡献。
- 文献类型：J
- 卷号：17
- 期号：1
- 页面范围：e12639
- 是否译文：否
- 发表时间：2025-02-17
- 收录刊物：SSCI
- 论文类型：期刊论文
- 发表时间：2025-02-17
推荐
