هوش مصنوعی، افسردگی کودکان را از صدای آنها تشخیص می‌دهد

پژوهشگران آمریکایی، نوعی الگوریتم یادگیری ماشینی ارائه داده‌اند که می‌تواند با تحلیل صدای کودکان، افسردگی آنها را تشخیص دهد.

به گزارش ایسنا و به نقل از نوروساینس نیوز، پژوهش جدیدی نشان می‌دهد که شاید یک الگوریتم هوش مصنوعی که می‌تواند نشانه‌های اضطراب و افسردگی را در الگوی گفتاری کودکان تشخیص دهد، روش سریع و ساده‌ای برای شناسایی افسردگی باشد.

بیشتر بخوانید: اخباری که در وبسایت منتشر نمی‌شوند!

از هر پنج کودک مبتلا به اضطراب و افسردگی، یک نفر به درون‌گرایی مبتلاست. دلیل بروز درون‌گرایی شاید این باشد که کودکان زیر هشت سال نمی‌توانند ناراحتی‌های عاطفی خود را به راحتی بیان کنند. انتظار برای روز ملاقات با روانپزشک، مشکلات مربوط به بیمه و عدم تشخیص نشانه‌های ابتدایی توسط والدین موجب می‌شوند که درمان کودکان به موقع انجام نشود.

"الن مکگینیس"(Ellen McGinnis)، روانشناس بالینی "دانشگاه ورمانت"(UVM) آمریکا گفت: افسردگی بیشتر کودکان زیر هشت سال، معمولاً تشخیص داده نمی‌شود. ما برای شناسایی این کودکان، به آزمایش‌های سریع و هدفمند نیاز داریم.

تشخیص زودهنگام افسردگی در کودکان، بسیار مهم است زیرا مغز کودکان هنوز در مراحل رشد به سر می‌برد و واکنش خوبی نسبت به درمان دارد اما اگر افسردگی به موقع درمان نشود، در آینده به خطراتی مانند اعتیاد و خودکشی منجر خواهد شد. مکگینیس و همکارانش، تأثیر هوش مصنوعی و یادگیری ماشینی را در تشخیص سریع و قابل اطمینان افسردگی مورد بررسی قرار دادند.

آنها نسخه اصلاح شده‌ای از یک فرآیند آزمایشی موسوم به "TSST" را به کار گرفتند که احساس استرس و اضطراب را در بیمار ایجاد می‌کند. آنها از ۷۱ کودک بین سه تا هشت سال خواستند به صورت بداهه، یک داستان سه دقیقه‌ای تعریف کنند و به آنها گفتند که بر اساس سطح جالب بودن داستان، مورد داوری قرار خواهند گرفت. پژوهشگرانی که نقش داور را بر عهده داشتند، جدی بودند و بازخوردهای خنثی یا منفی از خود نشان دادند. پس از ۹۰ ثانیه، زنگ هشدار به صدا درآمد و داوران به شرکت‌کنندگان گفتند که زمان آنها به پایان رسیده است. مک‌گینیس افزود: این آزمایش طوری طراحی شده که استرس‌زا باشد و حس مورد قضاوت قرار گرفتن را به شرکت‌کننده منتقل کند.

کودکان علاوه بر این آزمایش، یک مصاحبه بالینی را نیز پشت سر گذاشتند و به یک پرسش‌نامه پاسخ دادند تا اختلالات آنها شناسایی شود. پژوهشگران برای تحلیل ویژگی‌های صدای ضبط شده هر کودک، از یک الگوریتم یادگیری ماشینی استفاده کردند تا اختلال آنها را تشخیص دهند و الگوریتم توانست اختلالات را با موفقیت شناسایی کند.

"رایان مک‌گینیس" (Ryan McGinnis)، از پژوهشگران این پروژه گفت: این الگوریتم توانست کودکان مبتلا به درون‌گرایی را با ۸۰ درصد دقت شناسایی کند و نتایج را با سرعت بیشتری ارائه دهد. ما با کمک این الگوریتم موفق شدیم نتیجه دلخواه را پس از چند ثانیه پردازش به دست آوریم.

گام بعدی پژوهشگران، گسترش الگوریتم تحلیل گفتار و تبدیل آن به یک ابزار بررسی بالینی است که قابلیت نصب به عنوان اپلیکیشن تلفن همراه را داشته باشد و بتواند نتایج مورد نظر را به سرعت ارائه دهد. تحلیل گفتار را می‌توان در ابزار تشخیصی، با تحلیل حرکت نیز ادغام کرد تا کودکانی که در معرض خطر اضطراب و افسردگی قرار دارند، پیش از تشخیص والدین، شناسایی شوند.

این پژوهش، در مجله "Journal of Biomedical and Health Informatics" به چاپ رسید.

انتهای پیام

منبع: ایسنا

کلیدواژه: افسردگی هوش مصنوعی یادگیری ماشینی

درخواست حذف خبر:

«خبربان» یک خبرخوان هوشمند و خودکار است و این خبر را به‌طور اتوماتیک از وبسایت www.isna.ir دریافت کرده‌است، لذا منبع این خبر، وبسایت «ایسنا» بوده و سایت «خبربان» مسئولیتی در قبال محتوای آن ندارد. چنانچه درخواست حذف این خبر را دارید، کد ۲۳۶۹۵۹۴۴ را به همراه موضوع به شماره ۱۰۰۰۱۵۷۰ پیامک فرمایید. لطفاً در صورتی‌که در مورد این خبر، نظر یا سئوالی دارید، با منبع خبر (اینجا) ارتباط برقرار نمایید.

با استناد به ماده ۷۴ قانون تجارت الکترونیک مصوب ۱۳۸۲/۱۰/۱۷ مجلس شورای اسلامی و با عنایت به اینکه سایت «خبربان» مصداق بستر مبادلات الکترونیکی متنی، صوتی و تصویر است، مسئولیت نقض حقوق تصریح شده مولفان در قانون فوق از قبیل تکثیر، اجرا و توزیع و یا هر گونه محتوی خلاف قوانین کشور ایران بر عهده منبع خبر و کاربران است.

خبر بعدی:

تجهیز ربات‌ها به «هوش طبیعی» ممکن شد

به گزارش خبرگزاری علم و فناوری آنا به نقل از اینترستینگ اینجینیرینگ، پژوهشگران شرکت دانش بنیان «اوپتران مایند» «Opteran Mind» در مدت یک دهه، با سعی در درک چگونگی عملکرد مغز حشرات، بررسی کردند حشرات چگونه جهان را می‌بینند، راه خود را پیدا می‌کنند، مسیریابی می‌کنند و به جهان واکنش نشان می‌دهند.

پیشرفت «هوش طبیعی»

آن‌ها یافته‌های به دست آمده را به الگوریتم تبدیل کرده و آن را «هوش طبیعی» نامیدند. این پژوهشگران معتقدند این الگوریتم می‌تواند نحوه عملکرد خودمختاری را کاملا تغییر دهد و آن را کاربردی‌تر و کارآمدتر کند.

«دیوید راجان» «David Rajan» مدیر عامل اوپتران می‌گوید: حشراتی مانند زنبور‌های عسل یک میلیون نورون دارند که این میزان در انسان حدود ۸۶ میلیارد نورون است، اما سیستم‌های مرکزی آن‌ها دقیقا در همین تعداد قرار دارند. آن‌ها دنیا را می‌بینند، خود را در فضا محلی می‌کنند و حتی می‌توانند تا ۱۰ کیلومتر را با صرف انرژی چند میکرو وات حرکت کنند.

اگر واقعا می‌خواهید خودمختاری پیشرفته را ببینید، لازم نیست به شرکت‌های فناور دنیا بروید کافیست سری به باغچه بزنید.

این شرکت قصد دارد طی ماه‌های آینده، سیستم خود را با عملکرد‌های اضافی مانند جلوگیری از برخورد بهبود بخشیده و تا سال آینده، الگوریتم‌های تصمیم گیری را ادغام کرده تا ماشین‌ها بتوانند وظایف را اولویت بندی کنند.

راجان تاکید کرد: این تنها شروع کار است چرا که این شرکت در حال حاضر به دنبال کاربرد‌های تجاری مختلف در بخش‌های مختلف از جمله لجستیک، خودرو، معدن، امنیت و و غیره است.

مشارکت عمده برای پیشرفت رباتیک انبار

این شرکت که اکنون ۴۵ کارمند دارد، به سرعت در حال رشد است و به زودی فناوری خود را در ربات‌های پیشرفته انبارداری شرکت آلمانی «سیفلاگ» «Safelog» بکار گیرد.

علاوه بر این، فناوری اوپتران از سیستم‌های موجود متفاوت عمل می‌کند چرا که نیازی به آموزش گسترده در مجموعه داده‌های بزرگ قبل از استقرار ندارد. الگوریتم‌ها ذاتی هستند و آن‌ها را قادر می‌سازند تا به طور مستقل در محیط حرکت کنند و بدون نیاز به جمع آوری و آموزش مداوم داده‌ها در یک مرکز داده، با تنوع پویا سازگار شوند.

راه اندازی یک وسیله نقلیه هدایت شونده خودکار (AGV) در یک انبار به طور معمول، کار زیادی می‌برد. اپراتور‌ها باید قبل از اینکه به ربات‌ها اجازه حرکت در انبار را بدهند، کل تاسیسات را به دقت اسکن کنند و با داده‌های زیادی سروکار داشته باشند. کاری که اوپتران مایند انجام می‌دهد این است که به طور قابل توجهی فرآیند راه اندازی را ساده می‌کند.

«چارلی رنس» «Charlie Rance»، مدیر تولید این شرکت، می‌گوید: تنها کاری که اوپراتور باید بکند تنظیم سرعت ربات است و همین. ما در حال ایجاد راه حلی هستیم که به AGV‌ها اجازه می‌دهد به طور مستقل در یک نظر از محیط نقشه برداری کنند، بنابراین زمان تنظیم بسیار سریع است و می‌توانید آن را با بقیه AGV‌های خود به اشتراک بگذارید. می‌توانیم با حذف زیرساخت‌های ثابت، دیگر نیازی به بازتابنده یا کد QR نداشته باشیم. ما سیستم را با هزینه کمتر نگه می‌داریم.

این شرکت همچنین در حال عقد قرارداد‌های تجاری در حوزه کاربرد‌های پهپاد‌های امنیتی داخلی در بازار مصرف و همچنین پیاده سازی در بخش معدن و خودرو است.

انتهای پیام/