論文の概要: Data Augmentation for Depression Detection Using Skeleton-Based Gait
Information
- arxiv url: http://arxiv.org/abs/2201.01115v1
- Date: Tue, 4 Jan 2022 12:53:29 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-05 14:04:39.610623
- Title: Data Augmentation for Depression Detection Using Skeleton-Based Gait
Information
- Title(参考訳): 骨格に基づく歩行情報を用いた抑うつ検出のためのデータ拡張
- Authors: Jingjing Yang and Haifeng Lu and Chengming Li and Xiping Hu and Bin Hu
- Abstract要約: 本稿では,うつ病のリスクを評価するための骨格データ拡張手法を提案する。
回転増量とチャネルマスク増量により, 抑うつ検出精度は92.15%, 91.34%に達した。
- 参考スコア(独自算出の注目度): 10.327211314609926
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In recent years, the incidence of depression is rising rapidly worldwide, but
large-scale depression screening is still challenging. Gait analysis provides a
non-contact, low-cost, and efficient early screening method for depression.
However, the early screening of depression based on gait analysis lacks
sufficient effective sample data. In this paper, we propose a skeleton data
augmentation method for assessing the risk of depression. First, we propose
five techniques to augment skeleton data and apply them to depression and
emotion datasets. Then, we divide augmentation methods into two types
(non-noise augmentation and noise augmentation) based on the mutual information
and the classification accuracy. Finally, we explore which augmentation
strategies can capture the characteristics of human skeleton data more
effectively. Experimental results show that the augmented training data set
that retains more of the raw skeleton data properties determines the
performance of the detection model. Specifically, rotation augmentation and
channel mask augmentation make the depression detection accuracy reach 92.15%
and 91.34%, respectively.
- Abstract(参考訳): 近年、世界規模でうつ病の発生が急速に増加しているが、大規模なうつ病スクリーニングはいまだに困難である。
歩行分析は、非接触で低コストで効率的な早期スクリーニング法を提供する。
しかし,歩行分析に基づく抑うつの早期スクリーニングには十分な有効サンプルデータがない。
本稿では,うつ病のリスクを評価するための骨格データ拡張手法を提案する。
まず、骨格データを強化し、抑うつや感情データセットに適用する5つの手法を提案する。
そこで我々は,相互情報と分類精度に基づいて,拡張手法を2つのタイプ(非雑音増強と雑音増強)に分割する。
最後に,人間の骨格データの特徴をより効果的に捉えるための拡張戦略を検討する。
実験の結果,生の骨格データ特性を多く保持する強化トレーニングデータセットが検出モデルの性能を決定することがわかった。
具体的には、回転増強とチャネルマスク増強により、それぞれ92.15%と91.34%に達する。
関連論文リスト
- Towards More Efficient Depression Risk Recognition via Gait [12.28595811609976]
うつ病は世界中で2億8000万人を超える人に影響を及ぼす。早期発見とタイムリーな介入は、再発の促進、再発の防止、うつ病に伴う感情的・財政的負担の軽減に不可欠である。
歩行とうつ病リスクの相関が実証的に確立されている。
この研究はまず、1200人以上の個人、40,000人の歩行シーケンスを含む大規模な歩行データベースを構築し、6つの視点と3種類の服装をカバーした。
深層学習に基づくうつ病リスク認識モデルを提案し,手作りアプローチの限界を克服した。
論文 参考訳(メタデータ) (2023-10-10T03:34:31Z) - Automatic diagnosis of knee osteoarthritis severity using Swin
transformer [55.01037422579516]
変形性膝関節症 (KOA) は膝関節の慢性的な痛みと硬直を引き起こす疾患である。
我々は,Swin Transformer を用いて KOA の重大度を予測する自動手法を提案する。
論文 参考訳(メタデータ) (2023-07-10T09:49:30Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳(メタデータ) (2023-07-06T09:54:35Z) - Deep Reinforcement Learning Framework for Thoracic Diseases
Classification via Prior Knowledge Guidance [49.87607548975686]
関連疾患に対するラベル付きデータの不足は、正確な診断にとって大きな課題となる。
本稿では,診断エージェントの学習を指導するための事前知識を導入する,新しい深層強化学習フレームワークを提案する。
提案手法の性能はNIHX-ray 14とCheXpertデータセットを用いて実証した。
論文 参考訳(メタデータ) (2023-06-02T01:46:31Z) - Leveraging Unlabelled Data in Multiple-Instance Learning Problems for
Improved Detection of Parkinsonian Tremor in Free-Living Conditions [80.88681952022479]
本稿では,半教師付き学習とマルチスタンス学習を組み合わせた新しい手法を提案する。
本研究は,454被験者の非競合データを活用することにより,物体ごとの震動検出において大きな性能向上が達成できることを示す。
論文 参考訳(メタデータ) (2023-04-29T12:25:10Z) - 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) - Primary Tumor and Inter-Organ Augmentations for Supervised Lymph Node
Colon Adenocarcinoma Metastasis Detection [8.69535649683089]
ラベル付きデータの不足は、病理組織学応用のためのディープラーニングベースのモデルを開発する上で、大きなボトルネックとなる。
本研究は,対象領域の限定的あるいは全く表現されていない場合の大腸癌転移検出のためのトレーニングデータの拡張方法について検討する。
論文 参考訳(メタデータ) (2021-09-17T17:31:25Z) - 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) - Generalized Dilated CNN Models for Depression Detection Using Inverted
Vocal Tract Variables [4.050982413149992]
声帯バイオマーカーを用いた抑うつ検出は高度に研究されている分野である。
既存の研究の発見は主に、結果の一般化性を制限する単一のデータベース上で検証されている。
拡張コニキュラルニューラルネットワークを用いた抑うつ検出のための一般化分類器を提案する。
論文 参考訳(メタデータ) (2020-11-13T03:12:36Z) - 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。