Fugu-MT 論文翻訳(概要): A Novel Decision Tree for Depression Recognition in Speech

論文の概要: A Novel Decision Tree for Depression Recognition in Speech

arxiv url: http://arxiv.org/abs/2002.12759v1
Date: Sat, 22 Feb 2020 10:46:38 GMT
ステータス: 処理完了
システム内更新日: 2022-12-29 19:18:44.031353
Title: A Novel Decision Tree for Depression Recognition in Speech
Title（参考訳）: 音声における抑うつ認識のための新しい決定木
Authors: Zhenyu Liu, Dongyu Wang, Lan Zhang and Bin Hu
Abstract要約: 本研究は,抑うつ認識精度を向上させるために,決定木に基づく新しい音声セグメント融合法を提案する。性別依存モデルでは、それぞれ75.8%と68.5%である。
参考スコア（独自算出の注目度）: 6.487194793215743
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Depression is a common mental disorder worldwide which causes a range of serious outcomes. The diagnosis of depression relies on patient-reported scales and psychiatrist interview which may lead to subjective bias. In recent years, more and more researchers are devoted to depression recognition in speech , which may be an effective and objective indicator. This study proposes a new speech segment fusion method based on decision tree to improve the depression recognition accuracy and conducts a validation on a sample of 52 subjects (23 depressed patients and 29 healthy controls). The recognition accuracy are 75.8% and 68.5% for male and female respectively on gender-dependent models. It can be concluded from the data that the proposed decision tree model can improve the depression classification performance.
Abstract（参考訳）: うつ病は世界中で一般的な精神疾患であり、深刻な結果をもたらす。うつ病の診断は、患者が報告した尺度と精神科医の面接に依存している。近年, 抑うつの認識に多くの研究者が注力しており, 効果的かつ客観的な指標となる可能性がある。本研究では,抑うつ認識精度を向上させるための決定木に基づく新たな音声セグメント融合法を提案し,52名(抑うつ患者23名,健康管理29名)のサンプルを検証した。識別精度は男女別モデルでそれぞれ75.8%、女性68.5%である。提案する決定木モデルが抑うつ分類性能を向上できることをデータから結論付けることができる。

関連論文リスト

MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文参考訳（メタデータ） (2024-10-09T13:06:40Z)
Depression Detection and Analysis using Large Language Models on Textual and Audio-Visual Modalities [25.305909441170993]
うつ病は公衆衛生上の重大な問題であり、個人の心理的健康に大きな影響を与えている。診断されていない場合、うつ病は重篤な健康問題を引き起こし、身体的に現れて自殺に至る。
論文参考訳（メタデータ） (2024-07-08T17:00:51Z)
The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文参考訳（メタデータ） (2023-07-06T09:54:35Z)
Depression detection in social media posts using affective and social norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文参考訳（メタデータ） (2023-03-24T21:26:27Z)
Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文参考訳（メタデータ） (2023-02-05T22:33:49Z)
Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文参考訳（メタデータ） (2022-11-14T18:47:26Z)
Automatic Depression Detection: An Emotional Audio-Textual Corpus and a GRU/BiLSTM-based Model [17.83052349861756]
うつ病は世界的なメンタルヘルスの問題であり、最悪のケースは自殺につながる可能性がある。参加者のインタビューから音声の特徴と言語内容を利用した抑うつ検出手法を提案する。うつ病や非うつ病のボランティアから音声と回答の書き起こしを抽出した情緒的音声テキスト圧縮コーパス(EATD-Corpus)を構築した。
論文参考訳（メタデータ） (2022-02-15T03:29:39Z)
Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文参考訳（メタデータ） (2022-02-07T10:24:33Z)
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)
Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews [0.0]
抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
論文参考訳（メタデータ） (2020-06-04T20:55:22Z)

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。