TY -的A2 Belkacem Abdelkader Nasreddine AU - Farhoumandi,尼玛盟——Mollaey Sadegh盟——Heysieattalab Soomaayeh盟——Zarean Mostafa盟——Eyvazpour Reza PY - 2021 DA - 2021/09/28 TI -面部情感识别预测述情障碍使用机器学习SP - 2053795六世- 2021 AB - 客观的。述情障碍,精神障碍的诊断的基本概念,特点是在情绪处理财政赤字,因此,情感识别的困难。传统的工具来评估述情障碍,包括面试和自我报告的措施,导致不一致的结果由于一些局限性认识不足。因此,本研究的目的是提出一个新的筛查工具,利用机器学习模型基于面部情绪识别任务的成绩。 方法。横断面研究,55个学生大不里士大学的选择基于包含和排除标准和他们的分数在多伦多述情障碍量表(TAS-20)。然后,他们完成了低端的躯体化症状清单- 90修订(sci - 90 r),贝克焦虑量表(BAI)和贝克抑郁Inventory-II (BDI-II),和面部情绪识别(带)的任务。后来,支持向量机(SVM)和前馈神经网络(FNN)分类器是使用K-fold实现交叉验证预测述情障碍,和模型性能评估与曲线下的面积(AUC),精度、灵敏度、特异性和F1-measure。 结果。模型取得了精度范围的特征选择和优化后72.7 - -81.8%。我们的研究结果表明,毫升模型能够准确区分述情障碍并确定预测述情障碍的最丰富的物品。 结论。我们的结果表明,使用带任务,机器学习模型sci - 90 r, BDI-II,白也可以成功地诊断述情障碍和代表最具影响力的因素预测,可以用作临床仪器帮助临床医生在诊断过程和疾病的早期检测。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2053795 - 10.1155 / 2021/2053795摩根富林明计算智力和神经科学PB - Hindawi KW - ER