MEDICINE & AI

タイトル：Leveraging vision transformers and entropy-based attention for accurate micro-expression recognition 雑誌名：Sci Rep. 2025 Apr 21; 15(1): 13711. doi: 10.1038/s41598-025-98610-y. Epub 2025 Apr 21. 概　要： 本研究は、マイクロ表情認識の精度を向上させる新しい手法を提案しています。マイクロ表情は偽造が難しく、本質的に真実を示すため、様々な分野での応用が期待されています。人工知能の発展により、マイクロ表情認識システムの精度と効率が大幅に向上しましたが、短い時間と微妙な顔の動きの変化がリアルタイム認識と精度において大きな課題となっています。本研究では、微細な顔の特徴を捉える能力を向上させるために、LAPE（学習可能な絶対位置埋め込み）を持つ階層型トランスフォーマーネットワーク（HTNet）を導入し、エントロピーに基づく選択エージェント注意機構を提案してモデルのパラメータと計算負荷を削減します。さらに、データ拡張のために拡散モデルを利用し、マイクロ表情のサンプルサイズを拡大します。複数のデータセットでの実験により、フレームワークの有効性が確認され、実世界での応用の可能性が示されました。 方　法： 本研究では、マイクロ表情認識のために新たに提案されたHTNetモデルを使用し、LAPEを組み込んでいます。エントロピーに基づく注意機構を導入し、モデルのパラメータを削減しつつ学習能力を保持します。また、データ拡張には拡散モデルを用いて、マイクロ表情のサンプルサイズを増加させています。これにより、モデルの一般化、精度、堅牢性を向上させることを目指しています。 結　果： 提案されたフレームワークは、複数のデータセットにおいて広範な実験を行い、その有効性が確認されました。特に、微細な顔の特徴を捉える能力が向上し、マイクロ表情認識の精度が改善されました。エントロピーに基づく注意機構の導入により、モデルの計算効率も向上しました。 結　論： 本研究の提案手法は、マイクロ表情認識の精度と効率を大幅に向上させる可能性を持ち、実世界での応用においても有望であることが示されました。特に、短時間での微細な表情変化を捉える能力が強化され、様々な分野での利用が期待されます。