論文の概要: Detecting Individuals with Depressive Disorder fromPersonal Google
Search and YouTube History Logs
- arxiv url: http://arxiv.org/abs/2010.15670v1
- Date: Wed, 28 Oct 2020 04:40:18 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 06:38:56.847900
- Title: Detecting Individuals with Depressive Disorder fromPersonal Google
Search and YouTube History Logs
- Title(参考訳): google検索とyoutubeの履歴ログからうつ病の個人を検出する
- Authors: Boyu Zhang, Anis Zaman, Rupam Acharyya, Ehsan Hoque, Vincent Silenzio,
Henry Kautz
- Abstract要約: うつ病は世界人口の中で最も多い精神疾患の1つである。
本研究では,抑うつ障害のある人を検出するために,ユビキタスな個人検索とYouTubeエンゲージメントログを活用する。
- 参考スコア(独自算出の注目度): 2.5049267048783648
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depressive disorder is one of the most prevalent mental illnesses among the
global population. However, traditional screening methods require exacting
in-person interviews and may fail to provide immediate interventions. In this
work, we leverage ubiquitous personal longitudinal Google Search and YouTube
engagement logs to detect individuals with depressive disorder. We collected
Google Search and YouTube history data and clinical depression evaluation
results from $212$ participants ($99$ of them suffered from moderate to severe
depressions). We then propose a personalized framework for classifying
individuals with and without depression symptoms based on mutual-exciting point
process that captures both the temporal and semantic aspects of online
activities. Our best model achieved an average F1 score of $0.77 \pm 0.04$ and
an AUC ROC of $0.81 \pm 0.02$.
- Abstract(参考訳): うつ病は世界人口の中で最も多い精神疾患の1つである。
しかし、従来のスクリーニング手法では、対人インタビューの正確化が必要であり、即時介入ができない可能性がある。
本研究では,抑うつ障害のある人を検出するために,ユビキタスな個人検索とYouTubeエンゲージメントログを活用する。
われわれはgoogle検索とyoutubeの履歴データと臨床うつ病の評価結果を212ドルの参加者から集めた(そのうち99ドルは中等度から重度のうつ病に苦しんだ)。
次に,オンライン活動の時間的・意味的側面を捉えた相互引用点プロセスに基づいて,抑うつ症状の有無を分類するパーソナライズドフレームワークを提案する。
ベストモデルでは,平均F1スコアが0.77 pm 0.04$,AUC ROCが0.81 pm 0.02$であった。
関連論文リスト
- MASON-NLP at eRisk 2023: Deep Learning-Based Detection of Depression
Symptoms from Social Media Texts [0.0]
うつ病は精神疾患であり、人々の生活に大きな影響を及ぼす。
最近の研究は、うつ病の兆候が個人のコミュニケーションの仕方で検出できることを示唆している。
ソーシャルメディア投稿は、うつ病の症状を調べるためのリッチで便利なテキストソースです。
論文 参考訳(メタデータ) (2023-10-17T02:34:34Z) - Using Audio Data to Facilitate Depression Risk Assessment in Primary
Health Care [15.707539831910587]
テレヘルスの相談には、接続性の悪いり、通話が切れたりといったビデオの問題がしばしばある。
本研究では,うつ病のリスクを予測するために音声データを利用することに焦点を当てた。
私たちはうつ病のリスクを予測する機械学習モデルを構築しました。
これらの発見は、うつ病のスクリーニングや治療に役立つ様々なツールにつながる可能性がある。
論文 参考訳(メタデータ) (2023-10-17T01:55:49Z) - 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) - Mental Illness Classification on Social Media Texts using Deep Learning
and Transfer Learning [55.653944436488786]
世界保健機関(WHO)によると、約4億5000万人が影響を受ける。
うつ病、不安症、双極性障害、ADHD、PTSDなどの精神疾患。
本研究では、Redditプラットフォーム上の非構造化ユーザデータを分析し、うつ病、不安、双極性障害、ADHD、PTSDの5つの一般的な精神疾患を分類する。
論文 参考訳(メタデータ) (2022-07-03T11:33:52Z) - 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) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳(メタデータ) (2021-06-24T17:46:03Z) - 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) - Passive detection of behavioral shifts for suicide attempt prevention [0.0]
スマートフォンアプリから収集した非侵襲的データから精神科患者の行動変化を検出する非侵襲的機械学習モデルを提案する。
臨床検査の結果から,自殺未遂予防のための早期発見モバイルツールのアイデアが浮き彫りになった。
論文 参考訳(メタデータ) (2020-11-14T11:44:43Z) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳(メタデータ) (2020-08-09T20:22:52Z) - Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文 参考訳(メタデータ) (2020-06-14T12:48:43Z)
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。