TY - JOUR AU - Galatzer-Levy, Isaac AU - Abbas, Anzar AU - Ries, Anja AU - Homan, Stephanie AU - Sels, Laura AU - Koesmahargyo, Vidya AU - Yadav, Vijay AU - Colla, Michael AU - Scheerer, Hanne AU - Vetter, Stefan AU - Seifritz, Erich AU - Scholz, Urte AU - Kleim, Birgit PY - 2021 DA - 2021/6/3 TI -急性自杀精神住院患者自杀行为的视觉和声音数字标记验证:概念验证研究乔- J地中海互联网Res SP - e25199六世- 23 - 6千瓦数字表现型KW -数字生物标志物KW -数字医疗KW -抑郁KW -自杀意念KW -数字标记KW -数字KW -面部KW -自杀KW -自杀风险KW -视觉KW -听觉AB -背景:多个症状的自杀风险评估基于视觉和听觉信息,包括扁平的影响,减少了运动,并放慢讲话。从新的数据来源对这些症状进行客观量化可以提高自杀风险评估的敏感性、可扩展性和及时性。目的:我们的目的是检验从视频访谈中提取的测量数据，使用开源深度学习算法来量化最近入院的自杀未遂患者的面部、声音和运动行为与自杀风险严重程度的关系。方法:我们利用视频来量化与情绪、情感和运动功能相关的面部、声音和运动标记，这些标记来自于20名因自杀未遂而住进精神病院的患者的结构化临床对话。测量使用开源深度学习算法计算，用于处理面部表情、头部运动和声音特征。采用多元线性回归，将情绪变平、运动减少和语言减慢的衍生数字测量与贝克自杀意念量表(Beck Scale for suicide Ideation)进行自杀风险比较，该量表控制了年龄和性别。结果:自杀严重程度与多种视觉和听觉标记相关，包括言语患病率(β= - 0.68, P=。2, r2=0.40)，总体表达性(β= - 0.46, P= 0.40)。10, r2=0.27)，头部运动测量为头部间距变异性(β= - 1.24, P= 0.27)。006, r2=0.48)和头部偏航变异性(β= - 0.54, P=。06年,r2 = 0.32)。结论:面部表情、运动和语言流行率的数字测量显示出强烈的效应大小和与自杀意念严重程度的线性关联。 SN - 1438-8871 UR - //www.mybigtv.com/2021/6/e25199 UR - https://doi.org/10.2196/25199 UR - http://www.ncbi.nlm.nih.gov/pubmed/34081022 DO - 10.2196/25199 ID - info:doi/10.2196/25199 ER -