Этологовидеографические корреляты психических расстройств в невербальном поведении (Сообщение 2: дискриминантные, термодинамические и сетевые характеристики мимико-пантомимических реакций)

Обоснование: изучение невербального поведения на базе этологической парадигмы с использованием технологий машинного зрения рассматривается в настоящее время как один из подходов к объективизации психических расстройств. При этом особый интерес представляет их анализ с использованием многомерных методов обработки данных, в первую очередь, с позиций термодинамического и сетевого анализа. Цель работы: обобщение результатов дискриминантного, термодинамического и сетевого анализа мимико-пантомимической активности больных с невротическими расстройствами и патологией шизофренического спектра. Пациенты, контрольная группа и методы: обследовано 19 пациентов с расстройствами шизофренического спектра (ШР), 23 — с невротическими расстройствами (НР). Контрольную группу (КГ) составили 22 здоровых испытуемых. Анализ невербального поведения осуществляли с помощью АПК биометрической видеоаналитики «МИКС ВР-19» по двигательным единицам (ДЕ) системы FACS (системы кодирования лицевых движений, Facial Action Coding System, FACS). Результаты: логарифм термодинамической вероятности системы мимических реакций был максимальным у лиц с НР (50,2), минимальным — при ШР (33,1), а в контрольной группе занимал промежуточное положение (44,2). Показатель организации системы также был заметно ниже при ШР (0,08), чем при НР (0,11) и в КГ (0,14). Анализ графов показал, что ранги значимости узлов (ДЕ) — у здоровых испытуемых характеризовалась наибольшим весом AU61, AU1, AU63 и AU64. При НР узлами с максимальной значимостью стали AU14 и AU64. При ШР наибольший ранг отмечался у узлов AU62 и AU2. Выводы: наибольший вклад в дифференциацию между группами лиц с НР, ШР и здоровыми лицами вносили такие ДЕ, как ироническая улыбка, прищуривание глаз и при открывание рта. Динамика показателей энтропии и организация системы мимико-пантомимических реакций в КГ отражала напряжение адаптационных механизмов на этапах с преобладанием когнитивной нагрузки, при ШР отмечалась недостаточность такого напряжения при нагрузке, а при НР напряжение наблюдалось при включении аффективно-личностной тематики. Организация мимико-пантомимических реакций у здоровых лиц определялась интегративностью с большим количеством связей между узлами. У пациентов с НР граф носил последовательно-связанный характер, а у лиц с ШР он представлял собой изолированные кластеры ДЕ.

1. Марченко АА, Лобачев АВ, Виноградова ОС, Моисеев ДВ, Дмитриев ПИ, Щелканова ЕС, Назарова МР, Володарская АА, Рудакова КВ, Данг ВЧ. Этологовидеографические корреляты психических расстройств у военнослужащих (Сообщение 1: Характеристики частоты и длительности мимико-пантомимических реакций). Психиатрия. 2024;22(6):43–52. doi: 10.30629/2618-6667-2024-22-6-54-62

2. Bishay M, Palasek P, Priebe S, Patras I. SchiNet: Automatic Estimation of Symptoms of Schizophrenia from Facial Behaviour Analysis. IEEE Transactions on Affective Computing. 2021;12(4):949–961. doi: 10.1109/taffc.2019.2907628

3. Joshi J, Goecke R, Alghowinem S, Dhall A. Multimodal assistive technologies for depression diagnosis and monitoring. J. Multimodal User Interfaces. 2013;7:217–228. doi: 10.1007/s12193-013-0123-2

4. de Melo WC, Granger E, Hadid A. Combining Global and Local Convolutional 3D Networks for Detecting Depression from Facial Expressions. In: 14th IEEE International Conference on Automatic Face & Gesture Recognition (FG 2019). Lille, France, 2019:1–8.

5. Scherer S, Stratou G, Mahmoud M., Boberg J,. Gratch J,. Rizzo A, Morency L-P. Automatic Behavior Descriptors for Psychological Disorder Analysis. Image and Vision Computing. 2013;32. doi: 10.1109/FG.2013.6553789

6. Liu Y, Zhang X, Lin Y, Wang H. Facial expression recognition via deep action units graph network based on psychological mechanism. IEEE Transactions on Cognitive and Developmental Systems. 2019;12(2):311–322. doi: 10.1002/aisy.202400524

7. Jeganathan J, Campbell M, Hyett M. et al. Quantifying dynamic facial expressions under naturalistic conditions. Elife. 2022;11:e79581.

8. Jack RE, Garrod OGB, Schyns PG. Dynamic facial expressions of emotion transmit an evolving hierarchy of signals over time. Curr Biol. 2014 Jan 20;24(2):187– 192. doi: 10.1016/j.cub.2013.11.064 Epub 2014 Jan 2. PMID: 24388852.

9. Khan RA, Meyer A, Konik H, Bouakaz S. Facial expression recognition using entropy and brightness features. In: Proc. 11th Int. Conf. Intell. Syst. Design Appl. (ISDA). 2011:737–742.

10. Мызников ИЛ, Набоков НЛ, Рогованов ДЮ, Ханкевич ЮР. Описание и представление результатов обработки электроэнцефалограммы с использованием информационной модели. Авиакосмическая и экологическая медицина. 2016;50(1):66–72.

11. Samokhvalov VP, Samokhvalova OE. Toward a Neuroethology of Schizophrenia: Findings from the Crimean Project. In: M.S. Ritsner (ed.) Handbook of Schizophrenia Spectrum Disorders, Volume II. Phenotypic and Endophenotypic Presentations. — Springer Dordrecht Heidelberg London New York, 2011:121–164.

12. Marconi M, Do Carmo Blanco N, Zimmer C, Guyon A. Eye movements in response to different cognitive activities measured by eyetracking: a prospective study on some of the neurolinguistics programming theories. J Eye Mov Res. 2023;16(2):2. doi: 10.16910/jemr.16.2.2

13. Rumke H. Het Kernsymptoom der Schizophrenie en het Praecoxgevoel. Studies en Voordrachten over Psychiatrie. Amsterdam, 1948:53–58.

14. Чайка ЮВ. История, структура и перспективы развития психопатологического метода (сообщение 2). Український вісник психоневрології. 2004;12(4):12– 16.

15. Sass L, Pienkos E, Skodlar B, Stanghellini G, Fuchs T, Parnas J, Jones N. EAWE: Examination of Anomalous World Experience. Psychopathology. 2017;50(1):10– 54. doi: 10.1159/000454928 Epub 2017 Mar 8. PMID: 28268224.

16. Anderzhanova E, Kirmeier T, Wotjak CT. Animal models in psychiatric research: The RDoC system as a new framework for endophenotype-oriented translational neuroscience. Neurobiol Stress. 2017;25(7):47–56. doi: 10.1016/j.ynstr.2017.03.003

17. Belzer KD, Schneier FR. Tools for Assessing Generalized Anxiety Disorder. Psychiatric Time. 2006;25(3):4–6.

18. Brüne M, Belsky J, Fabrega H, Feierman HR, Gilbert P, Glantz K, Polimeni J, Price JS, Sanjuan J, Sullivan R, Troisi A, Wilson DR. The crisis of psychiatry — insights and prospects from evolutionary theory. World Psychiatry. 2012 Feb;11(1):55–7. doi: 10.1016/j.wpsyc.2012.01.009 PMID: 22295011; PMCID: PMC3266750.

19. Корнетов АН, Самохвалов АА, Коробов АА, Корнетов НА. Этология в психиатрии. Киев, 1990:217.

20. Самохвалов ВП. Эволюционная психиатрия. ИМИС, 1993:286. S