面部识别与阿尔茨海默病之间的联系

点击上方蓝字立即免费关注阿尔茨海默病

近年来，阿尔茨海默病（AD）在全球范围内呈上升趋势，但在能有效控制的早期阶段很少被诊断出来。大脑退行性疾病不仅会影响记忆和认知功能，还会影响面部（尤其是眼部）运动相关的颅神经系统。一项研究通过人工智能来识别 AD 病人面部特征或为早期诊断开辟了另一个思路。

考纳斯理工大学5月31日消息

考纳斯理工大学（Kaunas University of Technology，KTU）的研究人员利用人工智能（Artificial Intelligence，AI）进行了一项研究，以确定是否可以调整人机界面，使有记忆障碍的人能够识别他们面前的可见对象。研究结果发表在《Life》杂志上。

研究于2022年3月4日发表在《Life》（最新影响因子：3.817）杂志上

考纳斯理工大学多媒体工程系研究员 Rytis Maskeliūnas 认为，对在脸上可见的信息进行分类是人类的日常功能：“在交流时，面部表情会’告诉’我们对话的语境，尤其是从情感的角度来看，但我们能根据大脑信号识别视觉刺激吗？”

人脸的视觉处理是复杂的。通过分析人脸，我们可以感知一个人的身份或情绪状态等信息。这项研究的目的是分析一个人处理来自面部的背景信息的能力，并检测一个人如何对其做出反应。

 Rytis Maskeliūnas 教授

面部可以预示疾病的最初症状

根据 Maskeliūnas 的说法，许多研究表明，大脑疾病可以通过检查面部肌肉和眼部运动来分析，因为大脑退行性疾病不仅会影响记忆和认知功能，还会影响与上述面部（尤其是眼部）运动相关的颅神经系统。

该研究的合著者、KTU 数学与自然科学学院的毕业生 Dovilė Komolovaitė 分享说，该研究阐明了阿尔茨海默病患者在视觉上处理大脑中可见面孔的方式是否与没有这种疾病的人相同。

Dovilė Komolovaitė

“这项研究使用了来自脑电图仪的数据，它测量了大脑中的电脉冲，” Komolovaitė 说，她目前正在信息学学院攻读人工智能硕士学位。

在这项研究中，实验在两组个人身上进行：健康的和受阿尔茨海默病影响的。

“阿尔茨海默病患者的大脑信号通常比健康人更嘈杂，” Komolovaitė 说，并强调这与一个人在经历阿尔茨海默病症状时更难集中注意力的原因有关。

研究过程中展示了人们的面部照片

该研究选择了一组由 60 岁以上的女性组成的老年人：“年龄是失智症的主要风险因素之一，由于性别的影响在脑电波中被注意到，所以当只选择一个性别组时，该研究更准确。”

在研究过程中，每个参与者都进行了长达一个小时的实验，在此期间会展示人脸照片。根据研究人员的说法，这些照片是根据几个标准选择的：在分析情绪的影响时，展示中性和恐惧的面孔，而在分析熟悉因素时，向研究参与者指出已知和随机选择的人。

为了了解一个人是否正确地看到和理解一张脸，研究的参与者被要求在每次刺激后按下一个按钮，以表明显示的脸是倒过来的的还是正确的。

研究人员说：“即使在这个阶段，阿尔茨海默病患者也会犯错误，所以重要的是要确定损伤是由于记忆还是视觉过程引起的。”

灵感来自于现实生活中与阿尔茨海默病患者的互动

Maskeliūnas 揭示了他对阿尔茨海默病的研究始于他与亨廷顿舞蹈病协会（Huntington's Disease Association，HDA）的合作，这让他看到了这些神经退行性疾病的真实面貌。

研究人员还与阿尔茨海默病患者有过直接接触：“我发现，当大脑已经受到不可逆转的损伤时，确诊通常已经太晚了。尽管这种疾病没有有效的治愈方法，但这个过程可以暂停下来，并通过获得一些健康的寿命来维持。”

今天，我们可以看到人机交互是如何适应的，以减轻有身体残疾的人的生活。用“思想”来控制机械手，或者让瘫痪的人通过想象字母来写字，这都不是什么新概念。尽管如此，试图了解人类大脑可能是迄今为止最具挑战性的任务之一。

在这项研究中，研究人员使用的数据来自标准的脑电图设备，然而，Maskeliūnas 强调，为了创造一个实用的工具，最好使用从侵入式微电极收集的数据，它可以更准确地测量神经元的活动。这将大大提高人工智能模型的质量。

“当然，除了技术要求之外，还应该有一个社区环境，专注于让阿尔茨海默病患者的生活更轻松。尽管如此，在我个人看来，五年后，我认为我们仍然会看到专注于改善身体功能的技术，而这一领域对受脑部疾病影响的人的关注只会晚一些，” Maskeliūnas 说。

据这位硕士生 Komolovaitė 介绍，在医学领域同事的帮助下进行临床检查是必要的，因此这一阶段的过程需要很长时间：“如果我们想把这项测试作为医疗工具，还需要一个认证过程。”

创办于1922年的立陶宛考纳斯理工大学

参考文献

Sorce：Kaunas University of Technology

KTU researchers investigate the links between facial recognition and Alzheimer’s disease

Reference：

Dovilė Komolovaitė, Rytis Maskeliūnas, Robertas Damaševičius. Deep Convolutional Neural Network-Based Visual Stimuli Classification Using Electroencephalography Signals of Healthy and Alzheimer’s Disease Subjects. Life, 2022; 12 (3): 374 DOI: 10.3390/life12030374

免责声明

本公众号上的医疗信息仅作为信息资源提供与分享，不用于或依赖于任何诊断或治疗目的。此信息不应替代专业诊断或治疗。在做出任何医疗决定或有关特定医疗状况的指导之前，请咨询你的医生。

关爱父母 关注“阿尔茨海默病”