随着全球人口的老龄化，老年人的医疗保健和情感福祉已成为创新的关键领域。据预测，到2070年代末，65岁及以上的人口将超过22亿，因此对智能、非侵入式监测技术的需求比以往任何时候都高。一个有前景的领域是面部表情识别（FER），它使用人工智能（AI）来评估老年人的情绪、心理健康状况和福祉。然而，尽管计算机视觉领域的深度学习进展迅速，但传统的FER系统偏向于年轻面孔，限制了其在老年人群中的准确性和现实应用。
最近的一项研究《基于深度学习的老年人面部表情识别：系统综述》，由F. Xavier Gaya-Morey、Jose M. Buades-Rubio、Philippe Palanque、Raquel Lacuesta和Cristina Manresa-Yee撰写，探讨了这一挑战。该研究发表在arXiv（2025年），回顾了过去十年进行的31项FER研究，分析了数据集限制、算法挑战和AI基础面部情绪识别在老年人中部署的实际障碍。研究强调了需要多样化的年龄数据集、保护隐私的AI解决方案和可解释AI（XAI）方法，以弥合学术研究与老年护理实际应用之间的差距。
老年人面部表情识别的挑战
面部表情识别（FER）已在医疗保健、辅助技术和情感感知AI系统中广泛应用，但由于年龄相关的面部肌肉和皮肤弹性变化，使得AI模型难以识别老年人的情绪。研究突出了影响老年人FER准确性的三个主要挑战：
首先，缺乏特定于老年人的数据集限制了模型性能。常用的FER数据集，如FER-2013和AffectNet，未能充分代表老年人，导致AI预测中存在年龄偏差。此外，现有数据集中往往存在类别不平衡问题，例如快乐的表情被过度表示，而更细微的情绪如悲伤或困惑则被低估，这使得AI模型在检测老年人负面情绪状态方面效果较差。
其次，深度学习模型难以应对年龄引起的面部变化。虽然卷积神经网络（CNNs）主导了FER研究，但它们通常无法很好地推广到皱纹较多的面孔、较低的面部肌肉活动和老年人特有的细微表情上。这导致情绪分类错误和应用于老年人群时的模型准确性下降。
第三，实际部署仍受到隐私问题、计算约束和缺乏解释性的限制。许多基于AI的医疗解决方案需要持续的摄像监控，引发了关于数据安全和伦理AI使用的担忧。此外，深度学习模型通常是黑箱系统，使得护理人员或医生难以信任AI生成的情绪评估，因为缺乏对模型决策的明确解释。
AI在老年人FER方面的进展
为解决这些挑战，研究人员开始将新的AI技术和多样化数据集集成到老年人FER系统中。研究确定了推动AI基础情感识别改进的三个关键进展：
首先，多模态AI方法通过结合面部表情、语音、文本和生理数据提高了FER的准确性。研究表明，添加语音情绪分析或生物信号可以提高AI检测老年人情感困扰的能力，特别是那些患有认知障碍或言语限制的人。
其次，轻量级深度学习模型使FER在资源受限环境中更具可访问性，如养老院、移动健康应用程序和辅助机器人。MobileNet和mini-Xception等模型已成功部署在低功耗设备上，使实时情绪识别在老年护理环境中成为可能。
第三，可解释AI（XAI）技术提高了FER系统的透明度和可信度。通过引入LIME（局部可解释模型无关解释）和Grad-CAM（梯度加权类激活映射），研究人员可以可视化AI模型依赖哪些面部特征进行情绪分类，从而使护理人员可以在做出医疗决策前验证AI预测。
实际部署中的伦理和实际考虑
尽管AI有可能彻底改变老年人情绪监测，但在实际实施中需要解决隐私、可用性和偏见缓解问题。研究强调了在老年护理中广泛采用FER技术之前必须考虑的几个关键因素：
隐私仍然是一个关键挑战。许多老年人对持续视频监控感到不安，因此开发隐私保护的AI技术至关重要。一些研究表明，可以使用面部标志检测而不是原始面部图像来匿名化用户数据，同时仍然允许AI检测情绪。另一些研究建议使用本地设备AI处理，在移动设备或机器人上进行情绪识别，从而消除对基于云的数据存储的需求。
经济成本是另一个主要障碍。尽管AI驱动的FER在研究环境中表现出有效性，但实际部署需要负担得起且可扩展的解决方案。研究人员建议使用低成本摄像头、节能的深度学习模型和边缘AI处理，以使FER技术在养老院、辅助生活设施和家庭医疗系统中更具可及性。
伦理AI和偏见减少对于公平性至关重要。由于许多AI模型在老年人脸上表现不佳，研究人员强调了需要年龄平衡的训练数据集、算法公平性审计和以用户为中心的AI设计。通过确保AI在各年龄段的均衡表现，FER系统可以提供更可靠的情绪监测，而不强化与年龄相关的偏见。
AI驱动的老年护理的未来
研究强调了基于深度学习的面部表情识别在老年护理中的变革潜力，但也指出了必须克服的障碍以实现实际影响。尽管多模态AI、轻量级模型和可解释AI技术在提高FER准确性方面取得了显著进展，但与隐私、可负担性和偏见缓解相关的挑战仍然阻碍着广泛采用。
展望未来，研究人员倡导AI开发者、医疗专业人员和政策制定者之间的跨学科合作，以确保FER系统具有伦理性、透明性和可及性。AI在老年护理中的集成必须优先考虑用户信任、数据安全和实际可用性，确保面部表情识别成为改善老年人情感福祉和生活质量的可靠工具。
通过解决这些挑战，AI驱动的FER系统有可能彻底改变老年医疗保健，为护理人员提供实时情绪洞察，实现心理健康状况的早期检测，并增强辅助技术中的人机交互。研究呼吁研究人员和政策制定者采取行动，弥合AI创新与老年护理实际解决方案之间的差距，确保在人工智能时代没有人被落下。
(全文结束)