AI看“面相”， 帮助医生了解癌症患者心理

　　三湘都市报7月30日讯（文/视频 全媒体记者 李琪 实习生 刘冰柔 张春艳）焦虑和抑郁是肿瘤患者常见的心理问题，负面情绪往往会影响治疗的实施以及效果，不利于患者康复。

　　记者7月30日从湖南省肿瘤医院了解到，该院通过利用计算机视觉技术功能，精准捕捉人体的细微动作与表情，以此了解人体的内在心理状态，获取心理的相关信息。

　　帮助医生了解癌症患者心理

　　12岁的男孩陈聪（化名）是一名脑瘤患者，他出生农村，与外界沟通较少，面对疾病时只是低头。医生通计算机世界功能，分析他的心率、呼吸等生理指标，再分析语言、动作、行为，最后算出孩子处于焦虑抑郁状态，情绪需要引导。

　　医院心理医生为小聪进行心理疏导，详细讲解病情和治疗预后，小聪面对疾病的恐惧减弱不少。积极配合医生治疗，目前治疗效果比较理想。

　　医院相关负责人表示，这种技术用于癌症患者的治疗，既可以帮助医护人员发现癌症患者潜在的内心状态，又可以帮助患者关注自身情绪状态，及时做好应对，维护患者心理健康。

　　像人一样识别和解释视觉数据

　　据介绍，计算机视觉技术指导能够像人一样识别和解释视觉数据的人工智能技术。通过用摄影机和电脑代替人眼，对目标进行识别、跟踪和测量，并进一步做分析建模，融合图像处理、图像分析、模式识别、机器学习等多种技术，具有快速、实时、经济、一致、客观、无损检测的优点。

　　以机器学习模型为基础的计算机视觉技术，已经深入到了生活中的方方面面，如人脸识别、图像分割、自动驾驶、文字识别、医疗诊断等。

　　在评估癌症患者的心理状态时，计算机视觉技术通过拍照及视频提取患者的心跳变化、人体姿态、动作、面部表情、瞳孔、眼动行为等信号，再通过机器学习对以上信号建模，形成了心理状况评估的多模态机器学习模型，比如心跳检测、心跳变化直接反映患者的情绪状况；患者心皮下血流的变化会让皮肤颜色产生微妙变化。

　　计算机视觉技术能够直接通过捕捉提取视频中人脸皮肤颜色微妙的信号变化，通过信号处理算法评估心跳情况。也可以提取面部表情，通过面部表情变化信号处理算法评估心理状况。

　　准确率可以达到88%以上

　　行为信号分析，是怎样看出情绪变化呢？主要是眼动、手眼协调、眨眼频率、键盘以及鼠标等使用行为。

　　例如患者感到紧张时，眨眼频率会倾向于增加，打字力度也更大，目光移动、眼动交互更匆忙。计算机视觉技术通过识别并追踪眼动轨迹构建机器学习模型，分析患者心理状态变化轨迹准确率可以达到88%以上。

　　人的身体的细微动作与表情都能够反映内心状态，并能够被精准计算出来。这主要归功为计算机视觉功能，它能够分析图像或视频中捕捉的面部表情以此推动情绪状态，比如快乐、悲伤或压力。