論文の概要: MET: Multimodal Perception of Engagement for Telehealth
- arxiv url: http://arxiv.org/abs/2011.08690v3
- Date: Mon, 22 Aug 2022 21:14:40 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-24 17:33:36.733127
- Title: MET: Multimodal Perception of Engagement for Telehealth
- Title(参考訳): met: テレヘルスにおけるエンゲージメントのマルチモーダル知覚
- Authors: Pooja Guhan and Naman Awasthi and and Kathryn McDonald and Kristin
Bussell and Dinesh Manocha and Gloria Reeves and Aniket Bera
- Abstract要約: ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
- 参考スコア(独自算出の注目度): 52.54282887530756
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We present MET, a learning-based algorithm for perceiving a human's level of
engagement from videos that give us access to only the face, speech and text.
We leverage latent vectors corresponding to Affective and Cognitive features
frequently used in psychology literature to understand a person's level of
engagement in a semi-supervised GAN-based framework. The method is extremely
useful in the case of telehealth. We showcase the efficacy of this method from
the perspective of mental health and more specifically how this can be
leveraged for a better understanding of patient engagement during telemental
health sessions. We also explore the usefulness of our framework and contrast
it against existing works in being able to estimate another important mental
health indicator, namely valence, and arousal. Our framework reports 40%
improvements in RMSE over SOTA method in Engagement Regression and 50%
improvements in RMSE over SOTA method in Valence-Arousal Regression. To tackle
the scarcity of publicly available datasets in the telemental health space, we
release a new dataset, MEDICA, for mental health patient engagement detection.
Our dataset, MEDICA consists of 1299 videos, each 3 seconds long. To the best
of our knowledge, our approach is the first method capable to model telemental
health session data based on psychology-driven Affective and Cognitive
features, which also accounts for data sparsity by leveraging a semi-supervised
setup. To assert the usefulness of our method, we will also compare the
association of the engagement values obtained from our model with the other
engagement measures used by psychotherapists.
- Abstract(参考訳): 我々は,顔,音声,テキストのみにアクセスできるビデオから,人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
心理文学で頻繁に用いられる感情的・認知的特徴に対応する潜伏ベクトルを用いて、半教師付きganベースのフレームワークにおける個人の関与度レベルを理解する。
この方法は遠隔医療において極めて有用である。
本手法の有効性をメンタルヘルスの観点から示し,テレメンタルヘルスセッションにおける患者の関与の理解を深める上で,より具体的に活用できることを示す。
また,我々の枠組みの有用性について検討し,他の重要なメンタルヘルス指標である「ヴァレンス」と「覚醒」を推定する上で,既存の作業と対比する。
本フレームワークでは, エンゲージメント回帰における RMSE 法よりも 40% 改善, および RMSE 法より 50% 改善された Valence-Arousal Regression 法を報告する。
遠隔医療空間における公開データセットの不足に対処するため,メンタルヘルス患者のエンゲージメント検出のための新しいデータセットであるMEDICAをリリースする。
私たちのデータセットであるMEDICAは、3秒毎に1299の動画で構成されています。
我々の知識を最大限に活用するために,本手法は,心理駆動的感情的および認知的特徴に基づく遠隔医療セッションデータをモデル化できる最初の手法である。
また,本手法の有用性を主張するために,本モデルから得られたエンゲージメント値と,サイコセラピストが用いた他のエンゲージメント指標の関連性を比較する。
関連論文リスト
- Differential Private Federated Transfer Learning for Mental Health
Monitoring in Everyday Settings: A Case Study on Stress Detection [4.84940091610653]
メンタルヘルスの状況は、生活の質に対する悪影響を軽減するために、効率的なモニタリングを必要とする。
既存のアプローチは、現実世界のアプリケーションにおいて、特定のサイバー攻撃やデータ不足に対する脆弱性と戦っている。
メンタルヘルスモニタリングのための差分私的フェデレート・トランスファー学習フレームワークを導入し,データプライバシの向上とデータ満足度の向上を図る。
論文 参考訳(メタデータ) (2024-02-16T18:00:04Z) - 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) - Pruning the Way to Reliable Policies: A Multi-Objective Deep Q-Learning
Approach to Critical Care [68.8204255655161]
我々は、より信頼性の高いクリティカルケアポリシーを得ることができる深いQ-ラーニングアプローチを導入する。
まず、利用可能なすべての報酬に基づいてアクションセットを抽出し、次に、スパース主報酬に基づいて最終モデルを訓練し、制限されたアクションセットで達成する。
論文 参考訳(メタデータ) (2023-06-13T18:02:57Z) - MedNgage: A Dataset for Understanding Engagement in Patient-Nurse
Conversations [4.847266237348932]
症状を効果的に管理する患者は、医療従事者との会話や介入において、より高いレベルのエンゲージメントを示すことが多い。
AIシステムは、患者と実践者との自然な会話におけるエンゲージメントを理解して、患者のケアにもっと貢献することが不可欠である。
本稿では,がん症状管理に関する患者と看護者の会話をまとめた新しいデータセット(MedNgage)を提案する。
論文 参考訳(メタデータ) (2023-05-31T16:06:07Z) - A Self-supervised Framework for Improved Data-Driven Monitoring of
Stress via Multi-modal Passive Sensing [7.084068935028644]
ストレス応答の生理的前駆体を追跡するための多モード半教師付きフレームワークを提案する。
本手法は,ウェアラブルデバイスと異なる領域と解像度のマルチモーダルデータの利用を可能にする。
実世界のデータのコーパスを用いて、知覚的ストレスに関するトレーニング実験を行う。
論文 参考訳(メタデータ) (2023-03-24T20:34:46Z) - Automated Fidelity Assessment for Strategy Training in Inpatient
Rehabilitation using Natural Language Processing [53.096237570992294]
戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。
標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。
本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
論文 参考訳(メタデータ) (2022-09-14T15:33:30Z) - Predicting the Travel Distance of Patients to Access Healthcare using
Deep Neural Networks [12.155001613499625]
本研究では,遠隔医療における患者選択の複雑な決定をモデル化するためのディープニューラルネットワークアプローチを提案する。
患者の移動距離を予測するために,CNNを用いたフレームワークの有効性を実証した。
論文 参考訳(メタデータ) (2021-12-07T07:34:15Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳(メタデータ) (2020-09-24T00:42:36Z) - Learning-based Computer-aided Prescription Model for Parkinson's
Disease: A Data-driven Perspective [61.70045118068213]
我々は、PD患者の症状と、神経科医が提供した処方薬を収集し、データセットを構築した。
そこで我々は、観察された症状と処方薬との関係を学習し、新しいコンピュータ支援処方薬モデルを構築した。
新来の患者に対しては、処方薬モデルにより、観察された症状に対して適切な処方薬を推奨できる(予測)。
論文 参考訳(メタデータ) (2020-07-31T14:34:35Z) - 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。