Fugu-MT 論文翻訳(概要): Speech Analysis for Automatic Mania Assessment in Bipolar Disorder

論文の概要: Speech Analysis for Automatic Mania Assessment in Bipolar Disorder

arxiv url: http://arxiv.org/abs/2202.06766v1
Date: Sat, 5 Feb 2022 14:30:37 GMT
ステータス: 処理完了
システム内更新日: 2022-02-20 17:38:41.669256
Title: Speech Analysis 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音声分析
Authors: P{\i}nar Baki, Heysem Kaya, Elvan \c{C}ift\c{c}i, H\"useyin G\"ule\c{c}, Albert Ali Salah
Abstract要約: 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。
参考スコア（独自算出の注目度）: 4.199344490647143
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Bipolar disorder is a mental disorder that causes periods of manic and depressive episodes. In this work, we classify recordings from Bipolar Disorder corpus that contain 7 different tasks, into hypomania, mania, and remission classes using only speech features. We perform our experiments on splitted tasks from the interviews. Best results achieved on the model trained with 6th and 7th tasks together gives 0.53 UAR (unweighted average recall) result which is higher than the baseline results of the corpus.
Abstract（参考訳）: 双極性障害 (bipolar disorder) は、うつ病やうつ病を発症する精神疾患である。本研究は,7つのタスクを含む双極性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する。面接から分割した課題について実験を行う。 6番目のタスクと7番目のタスクで訓練されたモデルで得られた最良の結果は、コーパスのベースライン結果よりも高い0.53 UAR結果を与える。

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)
LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文参考訳（メタデータ） (2024-06-09T09:03:11Z)
Language and Mental Health: Measures of Emotion Dynamics from Text as Linguistic Biosocial Markers [30.656554495536618]
本研究では,ツィート感情動態とメンタルヘルス障害との関連について検討した。調査対象のUEDメトリクスはそれぞれ,ユーザの自己開示診断によって異なることがわかった。この研究は、感情力学に関連する言語的手がかりが、精神疾患のバイオ社会マーカーとして重要な役割を担っていることを示す重要な初期の証拠を提供する。
論文参考訳（メタデータ） (2023-10-26T13:00:26Z)
Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文参考訳（メタデータ） (2023-08-09T07:51:40Z)
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)
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)
Speech and the n-Back task as a lens into depression. How combining both may allow us to isolate different core symptoms of depression [12.251313610613693]
その結果,抑うつ症状のサブセットと音声変化が強く関連していることが示唆された。我々はTymiaで収集された新しい大規模・横断的・多モードデータセットを提案する。次に、PHQ-8項目レベルで異なる音声とn-Backマーカーの関係を明らかにする実験のセットを示す。
論文参考訳（メタデータ） (2022-03-30T09:12:59Z)
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)
Long-Short Ensemble Network for Bipolar Manic-Euthymic State Recognition Based on Wrist-worn Sensors [1.0260880679794957]
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。
論文参考訳（メタデータ） (2021-07-01T19:35:54Z)
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)
Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews [0.0]
抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
論文参考訳（メタデータ） (2020-06-04T20:55:22Z)

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。