論文の概要: Interpreting Depression From Question-wise Long-term Video Recording of
SDS Evaluation
- arxiv url: http://arxiv.org/abs/2106.13393v1
- Date: Fri, 25 Jun 2021 02:32:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-28 23:45:20.698707
- Title: Interpreting Depression From Question-wise Long-term Video Recording of
SDS Evaluation
- Title(参考訳): SDS評価の長期ビデオ記録による抑うつの解釈
- Authors: Wanqing Xie, Lizhong Liang, Yao Lu, Chen Wang, Jihong Shen, Hui Luo,
Xiaofeng Liu
- Abstract要約: SDS (Self-Rating Depression Scale) は, 効率的な予備検診によく用いられている。
本稿では, 質問票結果と回答時間に基づいて, 長期可変長ビデオのエンドツーエンド階層化フレームワークを提案する。
- 参考スコア(独自算出の注目度): 13.578189285500716
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Self-Rating Depression Scale (SDS) questionnaire has frequently been used for
efficient depression preliminary screening. However, the uncontrollable
self-administered measure can be easily affected by insouciantly or deceptively
answering, and producing the different results with the clinician-administered
Hamilton Depression Rating Scale (HDRS) and the final diagnosis. Clinically,
facial expression (FE) and actions play a vital role in clinician-administered
evaluation, while FE and action are underexplored for self-administered
evaluations. In this work, we collect a novel dataset of 200 subjects to
evidence the validity of self-rating questionnaires with their corresponding
question-wise video recording. To automatically interpret depression from the
SDS evaluation and the paired video, we propose an end-to-end hierarchical
framework for the long-term variable-length video, which is also conditioned on
the questionnaire results and the answering time. Specifically, we resort to a
hierarchical model which utilizes a 3D CNN for local temporal pattern
exploration and a redundancy-aware self-attention (RAS) scheme for
question-wise global feature aggregation. Targeting for the redundant long-term
FE video processing, our RAS is able to effectively exploit the correlations of
each video clip within a question set to emphasize the discriminative
information and eliminate the redundancy based on feature pair-wise affinity.
Then, the question-wise video feature is concatenated with the questionnaire
scores for final depression detection. Our thorough evaluations also show the
validity of fusing SDS evaluation and its video recording, and the superiority
of our framework to the conventional state-of-the-art temporal modeling
methods.
- Abstract(参考訳): SDS (Self-Rating Depression Scale) は, うつ病早期スクリーニングによく用いられている。
しかし, コントロール不能な自己管理尺度は, 不合理に, 偏見的に答えることによって容易に影響を受け, 臨床医によるハミルトン抑うつ評価尺度 (HDRS) と最終診断で異なる結果が得られた。
臨床では, 顔面表情(FE)と行動は, 臨床医による評価において重要な役割を担っている。
本研究では,200人の被験者を対象とした新しいデータセットを収集し,自己評価アンケートの有効性を示す。
SDS評価とペアビデオからうつ病を自動的に解釈するために,質問票結果と回答時間にも配慮した,長期可変長ビデオのエンドツーエンド階層化フレームワークを提案する。
具体的には,局所的時間的パターン探索に3D CNNを利用する階層モデルと,疑わしいグローバルな特徴集約のための冗長性を考慮した自己認識(RAS)方式を用いる。
冗長なfeビデオ処理をターゲットとしたrasは,質問集合内の各ビデオクリップの相関を効果的に活用し,識別情報を強調し,特徴対の親和性に基づく冗長性を解消する。
そして、質問側の映像特徴とアンケートスコアとを連結して最終抑うつ検出を行う。
また,SDS評価とその映像記録の有効性,および従来の最先端の時間的モデリング手法に対するフレームワークの優位性も明らかにした。
関連論文リスト
- Towards Mitigating Hallucination in Large Language Models via
Self-Reflection [63.2543947174318]
大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。
本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
論文 参考訳(メタデータ) (2023-10-10T03:05:44Z) - Towards Debiasing Frame Length Bias in Text-Video Retrieval via Causal
Intervention [72.12974259966592]
トリミングビデオクリップのトレーニングセットとテストセットのフレーム長差による時間偏差について,一意かつ体系的に検討した。
Epic-Kitchens-100, YouCook2, MSR-VTTデータセットについて, 因果脱バイアス法を提案し, 広範な実験およびアブレーション研究を行った。
論文 参考訳(メタデータ) (2023-09-17T15:58:27Z) - AIOSA: An approach to the automatic identification of obstructive sleep
apnea events based on deep learning [1.5381930379183162]
OSASは、死亡率の上昇、神経障害の悪化、リハビリテーション後の機能低下、高血圧の発症率の上昇と関連している。
OSAS診断のための金標準検査はPSG (Polysomnography) である。
生波形データの時間分解能を低減できる畳み込み型ディープラーニングアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-02-10T11:21:47Z) - Locate before Answering: Answer Guided Question Localization for Video
Question Answering [70.38700123685143]
LocAnsは質問ロケータと回答予測器をエンドツーエンドモデルに統合する。
最新の2つのビデオQAデータセットで最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-10-05T08:19:16Z) - Frame-Subtitle Self-Supervision for Multi-Modal Video Question Answering [73.11017833431313]
マルチモーダルなビデオ質問応答は、正しい回答を予測し、その質問に関連する時間的境界をローカライズすることを目的としている。
我々は、QAアノテーションのみを使用する、弱い教師付き質問基盤(WSQG)の設定を考案する。
フレームと字幕の対応をフレーム字幕(FS)に変換し,時間的注意スコアの最適化を支援する。
論文 参考訳(メタデータ) (2022-09-08T07:20:51Z) - Consistency-preserving Visual Question Answering in Medical Imaging [2.005299372367689]
VQA(Visual Question Answering)モデルは、画像と自然言語の質問を入力として、質問に対する回答を推測する。
本稿では,課題間の関係を学習プロセスに含める新しい損失関数とそれに対応する訓練手順を提案する。
実験の結果,本手法は最先端のベースラインよりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-06-27T13:38:50Z) - Automatic Depression Detection via Learning and Fusing Features from
Visual Cues [42.71590961896457]
本稿では,視覚的手がかりから特徴を学習し,融合させることにより,新しい自動抑うつ検出法を提案する。
本手法は,DAIC_WOZデータセット上での最先端性能を,他の視覚的特徴に基づく手法と比較して達成する。
論文 参考訳(メタデータ) (2022-03-01T09:28:12Z) - Deep 3D-CNN for Depression Diagnosis with Facial Video Recording of
Self-Rating Depression Scale Questionnaire [12.286463299994027]
我々は200人の参加者からなる新しいデータセットを用いて、自己評価アンケートの有効性と、それに伴う質問・バイ・クエストのビデオ記録を実証する。
我々は,質問応答と応答時間に基づいて,悲しみを自動的に解釈する顔映像記録をエンドツーエンドで処理するシステムを提供する。
より正確な自己診断のために, 顔画像記録とSDSスコアの併用の有効性を示した。
論文 参考訳(メタデータ) (2021-07-22T14:37:00Z) - Capturing Multi-Resolution Context by Dilated Self-Attention [58.69803243323346]
限定的自己意識と拡張メカニズムの組み合わせを提案し,これを拡張的自己意識と呼ぶ。
制限された自己注意は、高分解能でクエリの隣接するフレームに注意を払い、拡張メカニズムは、より低い解像度でそれに出席できるように遠方の情報を要約します。
ASRの結果は、制限された自己アテンションのみと比較して大幅に改善され、計算コストのごく一部をフルシーケンスベースの自己アテンションと比較すると、同様の結果が得られる。
論文 参考訳(メタデータ) (2021-04-07T02:04:18Z) - Coherent Loss: A Generic Framework for Stable Video Segmentation [103.78087255807482]
ビデオセグメンテーションの結果の視覚的品質を,ジッタリングアーティファクトがいかに劣化させるかを検討する。
本稿では,ニューラルネットワークの性能向上を目的とした汎用フレームワークを備えたコヒーレントロスを提案する。
論文 参考訳(メタデータ) (2020-10-25T10:48:28Z) - Multimodal Depression Severity Prediction from medical bio-markers using
Machine Learning Tools and Technologies [0.0]
うつ病は世界中の精神疾患の主要な原因となっている。
近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。
ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
論文 参考訳(メタデータ) (2020-09-11T20:44:28Z)
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。