論文の概要: A Multimodal Approach for Automatic Mania Assessment in Bipolar Disorder

• arxiv url: http://arxiv.org/abs/2112.09467v1
• Date: Fri, 17 Dec 2021 12:09:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-20 20:01:57.783111
• Title: A Multimodal Approach for Automatic Mania Assessment in Bipolar Disorder
• Title（参考訳）: 双極性障害における自動マニア評価のためのマルチモーダルアプローチ
• Authors: P{\i}nar Baki
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bipolar disorder is a mental health disorder that causes mood swings that range from depression to mania. Diagnosis of bipolar disorder is usually done based on patient interviews, and reports obtained from the caregivers of the patients. Subsequently, the diagnosis depends on the experience of the expert, and it is possible to have confusions of the disorder with other mental disorders. Automated processes in the diagnosis of bipolar disorder can help providing quantitative indicators, and allow easier observations of the patients for longer periods. Furthermore, the need for remote treatment and diagnosis became especially important during the COVID-19 pandemic. In this thesis, we create a multimodal decision system based on recordings of the patient in acoustic, linguistic, and visual modalities. The system is trained on the Bipolar Disorder corpus. Comprehensive analysis of unimodal and multimodal systems, as well as various fusion techniques are performed. Besides processing entire patient sessions using unimodal features, a task-level investigation of the clips is studied. Using acoustic, linguistic, and visual features in a multimodal fusion system, we achieved a 64.8% unweighted average recall score, which improves the state-of-the-art performance achieved on this dataset.
• Abstract（参考訳）: 双極性障害(Bipolar disorder)は、うつ病からマニアまでの気分変化を引き起こす精神疾患である。 双極性障害の診断は通常、患者の面接と患者の介護者からの報告に基づいて行われる。 その後、診断は専門家の経験に依存し、他の精神疾患との混乱を生じさせる可能性がある。 双極性障害の診断における自動化プロセスは、定量的な指標を提供し、長期にわたって患者の観察を容易にする。 さらに、新型コロナウイルスのパンデミックでは、遠隔治療や診断の必要性が特に重要になった。 本論文では,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する。 このシステムは双極性障害コーパスで訓練されている。 ユニモーダル系およびマルチモーダル系の包括的解析と様々な融合技術が実行されている。 ユニモーダルな特徴を用いた患者セッション全体の処理に加えて,クリップのタスクレベルの調査を行った。 マルチモーダル融合システムでは,音響的,言語的,視覚的特徴を用いて64.8%の平均リコールスコアを達成し,このデータセットで達成した最先端のパフォーマンスを改善した。

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 Diagnosis Dialogue Simulation: Self-improving Psychiatrist with Tertiary Memory [35.41386783586689]
  本稿では,患者と精神科医の対話を模擬してうつ病診断を促進する自己改善型会話エージェントシステムであるエージェント・メンタル・クリニック(AMC)を紹介する。 本稿では,3次記憶構造,対話制御,およびメモリサンプリングモジュールから構成される精神科医エージェントを設計し,精神科医エージェントが反映するスキルを十分に活用し,抑うつリスクと自殺リスク診断の会話による高精度化を実現する。
  論文  参考訳（メタデータ） (2024-09-20T14:25:08Z)
• A Novel Audio-Visual Information Fusion System for Mental Disorders Detection [6.3344832182228]
  メンタル障害は、世界的な医療課題に最も貢献している。 本稿では,精神疾患の感情表現機能に着目し,音声・視覚情報入力に基づくマルチモーダル精神障害診断システムを導入する。 提案システムは空間的時間的注意ネットワークをベースとし,より計算力の低い事前学習音声認識ネットワークを用いて,より優れた結果を得るためにビデオ認識モジュールを微調整する。
  論文  参考訳（メタデータ） (2024-09-03T19:16:36Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Subgroup discovery of Parkinson's Disease by utilizing a multi-modal smart device system [63.20765930558542]
  われわれはスマートウォッチとスマートフォンを使って、PD患者、DD、HCを含む504人の参加者のマルチモーダルデータを収集した。 様々なモダリティを組み合わせることで,分類精度が向上し,さらにPDクラスタが発見された。
  論文  参考訳（メタデータ） (2022-05-12T08:59:57Z)
• RobIn: A Robust Interpretable Deep Network for Schizophrenia Diagnosis [12.180396034315807]
  統合失調症は、長く複雑な診断プロセスを必要とする重度の精神疾患である。 脳画像データから統合失調症の診断にディープラーニングを応用しようとする試みは、将来性を示しているが、大きなトレーニングと応用のギャップに悩まされている。 我々は、アクセスしやすいデータに焦点をあてて、このトレーニングとアプリケーション間のギャップを減らすことを提案する。
  論文  参考訳（メタデータ） (2022-03-31T15:01:35Z)
• Meta-learning on Spectral Images of Electroencephalogram of Schizophenics [0.0]
  統合失調症 (Schizophrenia) は、思考パターン、知覚、気分、行動の変化を含む複雑な精神疾患である。 神経イメージングと機械学習アルゴリズムの進歩は統合失調症の診断を促進する。
  論文  参考訳（メタデータ） (2021-01-27T20:51:25Z)
• Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
  臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。 本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-01-27T13:16:51Z)
• 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)
• Learning to Detect Bipolar Disorder and Borderline Personality Disorder with Language and Speech in Non-Clinical Interviews [18.909983168436945]
  双極性障害(BD)と境界性パーソナリティ障害(BPD)はどちらも慢性精神疾患である。 これらの重なり合う症状と共通の相違は、臨床インタビューに基づいて、臨床医が2つの症状を区別することを困難にしている。 本稿ではまず,BD や BPD を対象とするインタビューを含むマルチモーダルデータセットを提案する。
  論文  参考訳（メタデータ） (2020-08-08T00:48:59Z)
• Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
  医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。 この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。 本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
  論文  参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。