Perceptual and decisional processes underlying face perception biases in clinical depression

临床抑郁症中面部感知偏差的知觉和决策过程

• 批准号: 9451031
• 负责人: CHRISTOPHER G BEEVERS
• 金额: $ 23.98万
• 依托单位: FLORIDA INTERNATIONAL UNIVERSITY
• 依托单位国家: 美国
• 财政年份: 2017
• 资助国家: 美国
• 起止时间: 2017-09-15 至 2019-08-31
• 项目状态: 已结题
• 来源: https://reporter.nih.gov/project-details/9451031
• 关键词: Address; Adult; Area; Attention; Basic Science; Characteristics; Classification; Cognitive; Computer Simulation; Data; Depressed mood; Development; Dimensions; Disease; Emotional; Emotions; Environment; Face; Face Processing; Feedback; Goals; Imaging Techniques; Impairment; Individual; Intervention; Knowledge; Learning; Link; Maintenance; Major Depressive Disorder; Mental Depression; Modeling; Modification; Nature; Outcome; Participant; Process; Protocols documentation; Psychophysics; Research; Signal Detection Analysis; Social Interaction; Stimulus; Techniques; Testing; Training; Variant; attentional bias; base; depression model; depressive symptoms; design; experience; face perception; improved; reduce symptoms; selective attention; showing emotion; social; stem; theories

PROJECT SUMMARY  Cognitive models of depression suggest that the development and maintenance of this disorder stem from  individuals’ characteristic ways of attending to, interpreting, and remembering environmental stimuli, such as  selective attention toward negative aspects of experience. In face perception, these biases are expressed as a tendency to interpret ambiguous faces as expressing negative emotion and a general impairment in processing  of emotional faces. The ability to process other important face dimensions (e.g., identity) independently from  emotion might also be impaired in depression, but research in this area has been very limited. Obtaining a  better understanding of all these impairments is critical, as the ability to correctly extract information from faces  is important for adequate social interaction. Social impairments observed in depression could be produced or  intensified by face perception impairments.  A treatment for these biases that has gained attention in recent years is attentional bias modification (ABM). In  ABM, people are trained through feedback to allocate less attention to negative emotional information (e.g.,  sad expression) and more attention to positive or neutral emotional information (e.g. happy expression). ABM  can help reduce the symptoms of depression, but the effect seems small and non-­robust, and there is very little  understanding of its mechanisms of action and how to increase generalization beyond the trained task and  biases. Designing better treatments for attentional biases in depression will require a better understanding of  the biases themselves. This project proposes to use state-­of-­the-­art computational and psychophysical  approaches to more precisely characterize three relatively unexplored aspects of attentional biases that are  likely to have an impact on the outcome of ABM and similar treatments. More specifically, we will use recent  advances in general recognition theory (to which we have contributed) and in classification images techniques,  to study whether people with depression show an impairment in filtering information about other aspects of  faces (e.g., identity) when they process face emotion, whether the biases observed in depression are due to  perceptual versus decisional processes, and exactly what face information is processed differently during  emotion identification in depression.  Finally, basic research suggests that increasing the discriminability, independence and attention to relevant  features of emotional expression should increase generalization of ABM-­induced learning to new faces outside  of the training environment. An ideal protocol would also target both perceptual and decisional processing. Our  previous research shows that categorization training is the ideal candidate for such an intervention, as it  produces all the desired effects. An exploratory goal of this project is to test whether we can improve  discriminability and independence of face emotion processing in people with depression using categorization  training.

项目摘要 定义的认知模型表明，这种疾病的发展和维持源于 个人的特征方式，诠释和记住环境刺激，例如 选择性属性趋势经验的负面方面。从表面上看，这些偏见表示为 倾向于将模棱两可的面孔解释为表达负面情绪和处理的普遍损害 情感面孔。独立于处理其他重要面部维度（例如身份）的能力 描述中的情绪也可能受到损害，但是该领域的研究非常有限。获得 更好地理解所有这些障碍至关重要，因为能够从面部正确提取信息的能力 对于足够的社会互动很重要。描述中观察到的社会障碍可以产生或 面部感知障碍加剧。 近年来，对这些偏见引起关注的治疗方法是注意偏置修饰（ABM）。在 ABM，通过反馈对人们进行培训，以较少的关注对负面情绪信息（例如， 悲伤的表达），更多地关注积极或中立的情感信息（例如快乐表达）。 ABM 可以帮助减少定义的症状，但效果似乎很小，不舒适，而且几乎没有 了解其行动机制以及如何将概括超出受过训练的任务和 偏见。在定义中设计更好的注意力偏见的治疗方法将需要更好地理解 偏见自己。该项目建议使用最先进的计算和心理物理 更精确的方法表征了注意偏见的三个相对未开发的方面 可能会影响ABM和类似疗法的结果。更具体地说，我们将使用最近的 一般识别理论的进步（我们贡献了）和分类图像技术， 研究有定义的人是否显示出过滤有关有关其他方面的信息的损害 面孔（例如身份）在处理情感时，描述中观察到的偏见是否是由于 感知过程与决策过程，以及在此期间处理的面孔信息的处理方式不同 描述中的情感识别。 最后，基础研究表明，增加了可区分性，独立性和对相关性的关注 情绪表达的特征应增加对外部新面孔的ABM诱导学习的概括 培训环境。理想的协议还将针对知觉和决策处理。我们的 先前的研究表明，类别培训是这种干预的想法候选人 产生所有期望的效果。该项目的探索目的是测试我们是否可以改进 使用类别的有定义的人的面部情感处理的歧视性和独立性 训练。