論文の概要: MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis
- arxiv url: http://arxiv.org/abs/2002.09283v3
- Date: Thu, 5 Mar 2020 03:43:31 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 08:25:06.794023
- Title: MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis
- Title(参考訳): MODMAデータセット:メンタルディオーダー分析のためのマルチモーダルオープンデータセット
- Authors: Hanshu Cai, Yiwen Gao, Shuting Sun, Na Li, Fuze Tian, Han Xiao,
Jianxiu Li, Zhengwu Yang, Xiaowei Li, Qinglin Zhao, Zhenyu Liu, Zhijun Yao,
Minqiang Yang, Hong Peng, Jing Zhu, Xiaowei Zhang, Guoping Gao, Fang Zheng,
Rui Li, Zhihua Guo, Rong Ma, Jing Yang, Lan Zhang, Xiping Hu, Yumin Li, Bin
Hu
- Abstract要約: 本稿では,精神障害分析のためのマルチモーダルオープンデータセットを提案する。
このデータセットには、臨床症状のある患者の脳波と音声データが含まれ、正常なコントロールと一致する。
EEGデータセットには、従来の128電極搭載弾性キャップを使用して収集されたデータだけでなく、普及したアプリケーションのための新しいウェアラブルな3電極EEGコレクタも含まれている。
- 参考スコア(独自算出の注目度): 22.766963176531338
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: According to the World Health Organization, the number of mental disorder
patients, especially depression patients, has grown rapidly and become a
leading contributor to the global burden of disease. However, the present
common practice of depression diagnosis is based on interviews and clinical
scales carried out by doctors, which is not only labor-consuming but also
time-consuming. One important reason is due to the lack of physiological
indicators for mental disorders. With the rising of tools such as data mining
and artificial intelligence, using physiological data to explore new possible
physiological indicators of mental disorder and creating new applications for
mental disorder diagnosis has become a new research hot topic. However, good
quality physiological data for mental disorder patients are hard to acquire. We
present a multi-modal open dataset for mental-disorder analysis. The dataset
includes EEG and audio data from clinically depressed patients and matching
normal controls. All our patients were carefully diagnosed and selected by
professional psychiatrists in hospitals. The EEG dataset includes not only data
collected using traditional 128-electrodes mounted elastic cap, but also a
novel wearable 3-electrode EEG collector for pervasive applications. The
128-electrodes EEG signals of 53 subjects were recorded as both in resting
state and under stimulation; the 3-electrode EEG signals of 55 subjects were
recorded in resting state; the audio data of 52 subjects were recorded during
interviewing, reading, and picture description. We encourage other researchers
in the field to use it for testing their methods of mental-disorder analysis.
- Abstract(参考訳): 世界保健機関(WHO)によると、精神障害患者(特にうつ病患者)の数は急速に増加し、疾患の世界的な負担に寄与している。
しかし、現在のうつ病診断の一般的な実践は、医師による面接や臨床尺度に基づいており、これは労働だけでなく時間も消費する。
一つの重要な理由は、精神疾患の生理学的指標が欠如していることである。
データマイニングや人工知能といったツールの台頭に伴い、生理的データを用いて精神障害の新たな生理的指標を探索し、精神障害診断の新しい応用を作成することが、新たな研究テーマとなっている。
しかし,精神疾患患者に対する良質な生理的データを得ることは困難である。
本稿では,精神障害分析のためのマルチモーダルオープンデータセットを提案する。
このデータセットには、臨床症状のある患者の脳波と音声データが含まれ、正常なコントロールと一致する。
当院の専門精神科医は,全患者を慎重に診察し,選択した。
EEGデータセットには、従来の128電極搭載弾性キャップを使用して収集されたデータだけでなく、普及したアプリケーションのための新しいウェアラブルな3電極EEGコレクタも含まれている。
53名の被験者の128名の脳波信号は安静時と刺激時の両方で記録され、55名の被験者の3つの電極脳波信号は安静状態で記録され、52名の被験者の音声データはインタビュー、読書、画像記述中に記録された。
この分野の他の研究者は、メンタルディオーダー分析の手法をテストするためにそれを使うように勧めています。
関連論文リスト
- Nigerian Schizophrenia EEG Dataset (NSzED) Towards Data-Driven
Psychiatry in Africa [0.0]
提示されたデータセットには、ナイジェリア起源の西アフリカの被験者による国際10/20システムEEG記録が含まれている。
被験者は患者と健常者に分けられ、37名と健常者22名から記録されている。
このデータセットはナイジェリア統合失調症データセット(NSzED)の最初のバージョンであり、神経科学と計算精神医学の研究コミュニティで使用することができる。
論文 参考訳(メタデータ) (2023-11-30T11:55:34Z) - From Classification to Clinical Insights: Towards Analyzing and
Reasoning About Mobile and Behavioral Health Data With Large Language Models [22.140953523632724]
我々は,多センサデータから臨床的に有用な知見を合成するために,大規模言語モデルを活用する新しいアプローチを採っている。
うつ病や不安などの症状とデータの傾向がどのように関連しているかを,LSMを用いて推論する思考促進手法の連鎖を構築した。
GPT-4のようなモデルでは数値データの75%を正確に参照しており、臨床参加者は、この手法を用いて自己追跡データを解釈することへの強い関心を表明している。
論文 参考訳(メタデータ) (2023-11-21T23:53:27Z) - A Hybrid Approach for Depression Classification: Random Forest-ANN
Ensemble on Motor Activity Signals [4.798808180453298]
ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。
近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。
本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
論文 参考訳(メタデータ) (2023-10-13T17:39:35Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳(メタデータ) (2023-10-11T02:47:21Z) - GDPR Compliant Collection of Therapist-Patient-Dialogues [48.091760741427656]
我々は、欧州連合の一般データプライバシ規則の下で、精神医学クリニックでセラピストと患者との対話の収集を始める際に直面した課題について詳しく述べる。
本稿では、手順の各ステップの概要を述べ、この分野でのさらなる研究を動機付ける潜在的な落とし穴を指摘した。
論文 参考訳(メタデータ) (2022-11-22T15:51:10Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳(メタデータ) (2022-07-26T02:08:08Z) - MHDeep: Mental Health Disorder Detection System based on Body-Area and
Deep Neural Networks [7.899611309200699]
メンタルヘルス問題は世界中の何百万人もの人々の生活の質に影響を与える。
最近の身体領域ネットワークの導入は、可能なソリューションに向かっています。
市販WMSと効率的なDNNモデルを用いて3つの重要なメンタルヘルス障害を診断するMHDeepというフレームワークを提案する。
論文 参考訳(メタデータ) (2021-02-20T20:17:07Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳(メタデータ) (2020-12-05T05:14:14Z) - EEG based Major Depressive disorder and Bipolar disorder detection using
Neural Networks: A review [4.611395301352823]
近年,バイオマーカーを用いた精神疾患の表現型的特徴付けが求められている。
脳波信号はMDDとBDに豊富なサインを与え、これらの精神疾患の病態生理学的メカニズムの理解を改善することができる。
このレビューは、脳波信号を用いてうつ病や双極性障害の認識に取り組んでいる研究者にとって、構造化され価値のある最初のポイントであることが証明される。
論文 参考訳(メタデータ) (2020-09-28T15:19:54Z) - Uncovering the structure of clinical EEG signals with self-supervised
learning [64.4754948595556]
教師付き学習パラダイムは、しばしば利用可能なラベル付きデータの量によって制限される。
この現象は脳波(EEG)などの臨床関連データに特に問題となる。
ラベルのないデータから情報を抽出することで、ディープニューラルネットワークとの競合性能に到達することができるかもしれない。
論文 参考訳(メタデータ) (2020-07-31T14:34:47Z) - Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using
Deep Multiple-Instance Learning [59.74684475991192]
パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。
PD症状には、震動、剛性、ブレイキネジアがある。
本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
論文 参考訳(メタデータ) (2020-05-06T09:02:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。