機器學習和信號處理 | Feel 你的情緒、想法和感受

機器學習和信號處理 | Feel 你的情緒、想法和感受

MathWorks 發表於 2020-08-07 16:38:00

作者 MathWorks

我們口袋裡和手腕上充斥的電子設備常遭到指責，說它們讓我們陷於痛苦。它們閃爍的屏幕和不斷發出的響聲，讓我們習慣於關注連續不斷的辦公新消息和朋友圈上的「贊」。但是，如果這些電子產品可以用來改善心理健康，那會如何呢？

在 Chryssoula K. 的母親診斷出患有晚期乳腺癌後，她努力在作為兒女的職責和工作、新生兒、婚姻、朋友及私人時間之間做出平衡。儘管 Chryssoula 不是技術達人，她還是報名參加一項新設備的前期測試，該設備可持續監測她的情緒狀態。

這就是 Sentio 的 Feel 項目的承諾：只需一個腕帶和手機應用即可跟蹤用戶的情緒狀態、提供定期身心鍛鍊，並實現每周與治療師一次的溝通。

圖1. 可穿戴設備中的傳感器可測量心率、皮膚電反應、溫度和運動的變化。

該系統使用人工智慧 （AI） 和最新的心理學研究成果，與佩戴者和諮詢師合作，提供即時、準確的個性化治療。「這是一種數據驅動的療法，在循證治療方面是一個巨大的優勢。」持證臨床社會工作者、 Sentio 首席治療師 Sharon Kaplow 說道。

Sentio 的創始人 George Eleftheriou 和 Haris Tsirmpas 根據他們自己的經驗看到了改善心理治療的必要性。Eleftheriou 飽受倦怠和抑鬱的折磨，而 Tsirmpas 則經受著難以捉摸的恐慌症的困擾。他們都從心理諮詢中受益，同時也發現了現有治療標準的漏洞。心理健康評估具有很強的主觀性，對預防的重視程度有限。此外，診斷經常被忽略，很少有實時幹預。

解決這些問題將產生全球性影響。據估計，全世界有 5 億人患有精神疾病，僅在美國每年的花費就高達 5000 億美元。更好的療法將惠及所有人：患者、治療師、保險公司和社會。

小目標和大目標

Sentio 的解決方案提供了新的治療方法。它的核心是一款名為「感覺情緒傳感器」 （Feel Emotion Sensor） 的腕帶，類似於當下流行的很多人都佩戴的運動手環。但這個腕帶有四個傳感器，可以探測與情緒相關的生理反應。這些傳感器包括一個測量心率變化的光電血管容積圖傳感器、一個測量出汗的皮膚電反應 （GSR） 傳感器、一個測量溫度的紅外光傳感器和一個捕捉運動的慣性測量單元。「感覺情緒傳感器」通過藍牙將這些信號持續發送給 Feel 應用，Feel 應用再將這些信號上傳到雲端的伺服器上。該伺服器包含專有人工智慧算法，可以分析數據並檢測以下四種情緒之一：喜悅（正能量、高能量）、滿足（正能量、低能量）、憂慮（負能量、高能量）和悲傷（負能量、低能量）。

通常，當 Feel 應用檢測到某種情緒時，會要求用戶描述正在發生的事情以及他們的感受。這種反饋有三個目的：幫助算法改進、為治療師提供更豐富的信息，以及提示記錄日誌，這帶來了更好的自我洞察力。Chryssoula 說，這款應用「激勵我在提升自我、改善消極想法和消除恐懼的方式上變得有針對性和有分析能力」。

這款應用還會推薦幾種鍛鍊方式中的一種。例如，用戶可能需要回憶他們上次治療的關鍵信息，並描述他們計劃如何在日常生活中使用這些信息。

Feel 項目持續 16 周。每周，用戶都有與一名持證治療師進行視頻聊天的環節，該治療師可以通過軟體儀錶板對用戶的數據進行保密訪問。由於採用數據驅動的方法，與傳統的 45 分鐘聊天相比，現在的聊天環節只需要 15 分鐘。在第一次的聊天環節，他們會設定一個總體的大目標，以及一組每周的子目標。Kaplow 說，這是為了增加責任感，使大目標更易於實現。

例如，如果總體的大目標是在工作中扮演新的領導角色，那么子目標可能是首先尋找做出貢獻的機會，然後找出做出貢獻的方法，最後調整任何消極的想法。Kaplow 說，具體的功能目標有時會揭示更多的情緒目標。這款應用的認知行為治療練習可以幫助用戶實現這些目標。

圖2. Feel 項目包括一個手機應用，可以跟蹤用戶的情緒狀態、向其推薦策略，並要求用戶描述正在發生的事情。這些信息在每周與 Feel 治療師的聊天環節中會用到。

用戶向治療師反饋任何問題。Kaplow 說，某個在會議上有發言障礙的客戶可能會說：「『儘管我在挑戰自己的想法，想要發言，但我的心在狂跳，我的嘴很乾，我就是做不到。』所以，我們會探討，『下次你能做出哪些改變？什麼有助於你處理上述生理問題？』這就是治療練習的用武之地。」

Chryssoula 的主要目標是改善與家人和朋友的關係。「利用這些目標，我找到了與母親和孩子相處更充實、更有成效的方法。」她說。「我每周至少安排一次和最好的朋友外出。」

她還看到生活其他方面的改善。「我在工作中成功地完成一個要求高、壓力大的項目，還抽出一點時間來放鬆和做其他事情。」

人工智慧算法分析來自感覺情緒傳感器的數據，並檢測四種情緒之一：喜悅、滿足、憂慮和悲傷。

信號篩選

Tsirmpas 說，在設計 Feel 時，「最大的挑戰是將一系列生理數據轉換成清晰而具體的決策——情緒的標記。」為此，他們在 MATLAB® 中開發了人工智慧和信號處理算法。

圖3.機器學習和信號處理算法利用 「感覺情緒傳感器」 採集的生理數據來檢測情緒。

信號處理的第一步是對信號進行預處理以去除外部噪聲。對於生理數據，你可以過濾掉任何由行走引起的波動。然後是數據轉換，它會在數據中發現重要的特徵。與數百萬個獨立的數據點相比，這些高級特徵更易於進行算法處理。

Tsirmpas 說，他們使用 MATLAB 來清除噪音信號，並將信號分割成離散的情緒事件。「它有助於快速推進，讓算法變得更有穩健。」

機器學習是人工智慧的一種形式，非常適合涉及大量數據和大量變量的複雜問題，它用於情緒事件檢測算法中。機器學習算法 （MATLAB 中的功能） 可識別數據中的特徵，例如表示不同情緒生物標記物的組合。正是這些運行在亞馬遜網絡服務 （Amazon Web Services， AWS）伺服器上的基於雲的算法，可以監控患者的情緒狀態，並將結果反饋給 Feel。

為了指導他們的機器學習算法，Sentio 首先從心理學文獻開始，找到哪些物理信號最能反映對應的情緒。然後，他們通過讓佩戴感覺情緒傳感器的人描述他們的感受來微調模型。這些模型還對讀數進行了分類，如果情緒標籤與用戶描述的不同，則模型會進行自我更新，以便下次更好地工作。該系統還可以根據每個用戶進行自我調整。Kaplow 說，有人報告稱，他們覺得感覺情緒傳感器真的在了解他們了。總的來說，這個系統已完成了數百個用戶的測試。

在某些情況下，感覺情緒傳感器可能比他們自己更了解他們。Kaplow 說：「有時候我們沒有意識到自己的情緒。「通常，我們會有客戶來抱怨他們有胃病或頭痛，他們認為這些身體症狀完全與情緒無關。而這種綜合診斷的目的是連接你的身心，幫助你更好地調整自己以適應正在發生的事情。」

「最大的挑戰是需要以某種方式將連續不斷的生理數據轉換成清晰而具體的決策——情緒的標記。」——Haris Tsirmpas， Sentio cofounder

Chryssoula 說：「整個星期，Feel 應用幫助我注意到我在每個重要時刻的感受——不管是好是壞——以及感受的強烈程度。這讓我去思考如何解決問題，有時我會使用它的幫助建議，比如呼吸練習，幫助我度過壓力。」

這個應用提供了互動的情緒日曆，不僅提供通知和輸入，還為個人提供準確的情緒和心理形象。Kaplow 指出，Feel 讓她對客戶有了更好的了解，「但我認為客戶對自己有了更好的了解，這一點更重要。」

Kaplow 認為 Feel 是她服務的力量倍增器。「這項技術帶來了一定程度上的參與度和意識，這是很有幫助的。在傳統治療中，你會去和治療師面談，而日常生活中治療師並不在你身邊。如果在一周中沒有這樣的實時提醒，你的進步就會變慢。感覺情緒傳感器和應用程式提供了持續的參與度。你所學到的和討論過的東西一直呈現在你面前。」

「整個項目對我來說是一個驚喜，」Chryssoula 說，「儘管我每周只花很短的時間在心理治療上，但我感覺自己每天都在不斷地進行互動心理治療，這些治療完全為我的日常生活而打造。」

Kaplow 認為，像 Feel 這樣的系統可以解決之前強調的心理健康治療的許多問題。「傳統療法會回顧過去一周內發生的事情，並期待你能做些什麼。但這項技術可以提供實時支持，這種方法是傳統療法所不具備的。如果有問題，我的傳統療法客戶會給我發簡訊尋求幫助，但這需要他們主動找我。」但是，藉助 Feel，「感覺情緒傳感器就會一直主動為他們提供幫助。」

「當我開始這個項目時，我無法想像它會有如此積極的影響。」Chryssoula 說道。「我認識到，處理任何複雜情況的第一步是處理好自己的想法和感受。」

打開APP閱讀更多精彩內容

聲明：本文內容及配圖由入駐作者撰寫或者入駐合作網站授權轉載。文章觀點僅代表作者本人，不代表電子發燒友網立場。文章及其配圖僅供工程師學習之用，如有內容圖片侵權或者其他問題，請聯繫本站作侵刪。 侵權投訴