論文の概要: Long-Short Ensemble Network for Bipolar Manic-Euthymic State Recognition Based on Wrist-worn Sensors

• arxiv url: http://arxiv.org/abs/2107.00710v1
• Date: Thu, 1 Jul 2021 19:35:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 04:58:53.977772
• Title: Long-Short Ensemble Network for Bipolar Manic-Euthymic State Recognition Based on Wrist-worn Sensors
• Title（参考訳）: 手首型センサを用いたバイポーラマニク・ユートミック状態認識のための長短アンサンブルネットワーク
• Authors: Ulysse C\^ot\'e-Allard, Petter Jakobsen, Andrea Stautland, Tine Nordgreen, Ole Bernt Fasmer, Ketil Joachim Oedegaard, Jim Torresen
• Abstract要約: マンニックエピソードの早期発見と介入は、エスカレーション、入院、早死にを防ぐために不可欠である。 双極性障害の患者は、マニキュアのエピソードを経験していることを認識しておらず、ユーホリアや生産性の向上などの症状は、影響を受けた個人が助けを求めるのを妨げている可能性がある。 本研究は,マニアおよび回復後の手首縫い装置から取得したアクチノグラフィと筋電活動に基づいて,ユーザ非依存で自動的な気分状態検出を行うことを提案する。
• 参考スコア（独自算出の注目度）: 1.0260880679794957
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manic episodes of bipolar disorder can lead to uncritical behaviour and delusional psychosis, often with destructive consequences for those affected and their surroundings. Early detection and intervention of a manic episode are crucial to prevent escalation, hospital admission and premature death. However, people with bipolar disorder may not recognize that they are experiencing a manic episode and symptoms such as euphoria and increased productivity can also deter affected individuals from seeking help. This work proposes to perform user-independent, automatic mood-state detection based on actigraphy and electrodermal activity acquired from a wrist-worn device during mania and after recovery (euthymia). This paper proposes a new deep learning-based ensemble method leveraging long (20h) and short (5 minutes) time-intervals to discriminate between the mood-states. When tested on 47 bipolar patients, the proposed classification scheme achieves an average accuracy of 91.59% in euthymic/manic mood-state recognition.
• Abstract（参考訳）: 双極性障害の人為的なエピソードは、しばしば影響を受けた人々とその周囲に破壊的な結果をもたらす非批判的な行動や妄想的な精神病を引き起こす。 マンニックエピソードの早期発見と介入は、エスカレーション、入院、早死にを防ぐために不可欠である。 しかし、双極性障害を患っている人は、満ちたエピソードを経験していることを認識しておらず、ユーホリアや生産性の向上などの症状は、患者が助けを求めるのを妨げている。 本研究は,手首縫いの装置から取得したアクチノグラフィと筋電活動に基づいて,マニアおよびリカバリ後に,ユーザ非依存で自動的な気分状態検出を行うことを提案する。 本稿では,長所 (20h) と短所 (5分) の時間インターバルを用いて,気分状態の判別を行う新しい深層学習に基づくアンサンブル手法を提案する。 両極性双極性患者47例を対象に, 提案手法は, 平均精度91.59%のうつ病/うつ病状態認識を実現する。

関連論文リスト

• Signal Processing Grand Challenge 2023 -- e-Prevention: Sleep Behavior as an Indicator of Relapses in Psychotic Patients [27.6075917779323]
  本稿では,精神病患者の再発検出におけるUSC SAILのシグナル処理グランドチャレンジ2023-e-Prevention(Task2)への取り組みと成果について述べる。 本研究では、非教師なし機械学習環境において、睡眠行動の特徴を用いて、再発日を外れ値として推定する。 我々の提出はタスクの公式リーダーボードで第3位にランクされ、精神的な再発の客観的かつ非侵襲的な予測因子としての可能性を示した。
  論文  参考訳（メタデータ） (2023-04-17T21:02:46Z)
• 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)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• Speech Analysis for Automatic Mania Assessment in Bipolar Disorder [4.199344490647143]
  我々は,7つのタスクを含むバイポーラ障害コーパスからの録音を,音声特徴のみを用いて,低マニア,マニア,リミッションクラスに分類した。 第6タスクと第7タスクで訓練されたモデルで得られた最良の結果は、0.53 UAR (unweighted average recall)結果である。
  論文  参考訳（メタデータ） (2022-02-05T14:30:37Z)
• A Multimodal Approach for Automatic Mania Assessment in Bipolar Disorder [0.0]
  我々は,患者の音響的,言語的,視覚的モダリティの記録に基づくマルチモーダル意思決定システムを構築した。 我々は64.8%の非重み付き平均リコールスコアを達成し、このデータセットで達成された最先端のパフォーマンスを改善した。
  論文  参考訳（メタデータ） (2021-12-17T12:09:01Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• 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)
• 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)
• 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。