面部表情深度学习在辅助鉴别精神分裂症中的应用研究

摘要

目的 采集面部表情，使用深度学习算法辅助鉴别精神分裂症患者，并评价鉴别效果。方法 选择2020年1月—2021年1月本院收治的106例精神分裂症患者作为研究对象并设为患者组，同时选择同期健康体检者101名作为对照组。两组参与者年龄、性别及受教育年限均无统计学差异。设置特定实验范式，使用数码相机采集两组参与者的面部表情图像数据，建立卷积神经网络(CNN)模型，将70%的数据用于训练CNN模型，30%的数据用于评估CNN模型的输出结果。结果 CNN模型对两组参与者分类的最高准确率为93.63%，最高特异度为96.83%，最高灵敏度为96.97%，最高假阳性率为13.11%，最高假阴性率为14.75%。结论 精神分裂症患者和健康人群的面部表情存在客观差异，CNN模型为临床医生识别精神分裂症患者提供理论依据和参考方向。

关键词

精神分裂症 / 面部表情 / 深度学习 / 卷积神经网络