論文の概要: Speech and the n-Back task as a lens into depression. How combining both
may allow us to isolate different core symptoms of depression
- arxiv url: http://arxiv.org/abs/2204.00088v1
- Date: Wed, 30 Mar 2022 09:12:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-05 03:53:52.552186
- Title: Speech and the n-Back task as a lens into depression. How combining both
may allow us to isolate different core symptoms of depression
- Title（参考訳）: 抑うつのレンズとしての音声とn-Backタスク
両者を組み合わせることで、うつ病のコア症状を分離できるかもしれない
- Authors: Salvatore Fara, Stefano Goria, Emilia Molimpakis, Nicholas Cummins
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.251313610613693
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Embedded in any speech signal is a rich combination of cognitive,
neuromuscular and physiological information. This richness makes speech a
powerful signal in relation to a range of different health conditions,
including major depressive disorders (MDD). One pivotal issue in
speech-depression research is the assumption that depressive severity is the
dominant measurable effect. However, given the heterogeneous clinical profile
of MDD, it may actually be the case that speech alterations are more strongly
associated with subsets of key depression symptoms. This paper presents strong
evidence in support of this argument. First, we present a novel large,
cross-sectional, multi-modal dataset collected at Thymia. We then present a set
of machine learning experiments that demonstrate that combining speech with
features from an n-Back working memory assessment improves classifier
performance when predicting the popular eight-item Patient Health Questionnaire
depression scale (PHQ-8). Finally, we present a set of experiments that
highlight the association between different speech and n-Back markers at the
PHQ-8 item level. Specifically, we observe that somatic and psychomotor
symptoms are more strongly associated with n-Back performance scores, whilst
the other items: anhedonia, depressed mood, change in appetite, feelings of
worthlessness and trouble concentrating are more strongly associated with
speech changes.
- Abstract（参考訳）: あらゆる音声信号に埋め込まれることは、認知、神経筋、生理的情報の豊富な組み合わせである。
この豊かさは、主要なうつ病(MDD)を含む様々な健康状態に関連して、音声を強力な信号にする。
抑うつ研究における重要な問題の一つは、抑うつ的重大性が支配的な測定可能な効果であるという仮定である。
しかし、MDDの不均一な臨床像を考えると、言語変化はキーうつ症状のサブセットと強く関連していると考えられる。
本稿では,この議論を支持する強い証拠を示す。
まず,胸腺で収集した大規模横断型マルチモーダルデータセットを提案する。
次に,n-Back作業メモリ評価の特徴と音声の組み合わせが,一般的な8項目の患者健康アンケートうつ病尺度(PHQ-8)を予測する際に,分類器の性能を向上させることを示す機械学習実験を行った。
最後に、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。
特に,身体症状と精神運動症状はn-Backのパフォーマンススコアと強く関連しているのに対し,他の項目はアンヘドニア,抑うつ気分,食欲の変化,無価値感,難易度感は言語変化と強く関連している。
関連論文リスト
- Language-Agnostic Analysis of Speech Depression Detection [2.5764071253486636]
本研究は、英語とマラヤラムの2言語間での自動抑うつ検出を解析する。
CNNモデルは、両言語に焦点をあてて、抑うつに関連する音響的特徴を特定するために訓練される。
その結果,言語に依存しない抑うつ検出システムの開発に寄与する可能性が示唆された。
論文 参考訳（メタデータ） (2024-09-23T07:35:56Z) - Depression Detection and Analysis using Large Language Models on Textual and Audio-Visual Modalities [25.305909441170993]
うつ病は公衆衛生上の重大な問題であり、個人の心理的健康に大きな影響を与えている。
診断されていない場合、うつ病は重篤な健康問題を引き起こし、身体的に現れて自殺に至る。
論文 参考訳（メタデータ） (2024-07-08T17:00:51Z) - Self-Supervised Embeddings for Detecting Individual Symptoms of Depression [18.43207977841643]
世界の数百万人に影響を及ぼす精神疾患であるうつ病は、信頼できるアセスメントシステムを必要としている。
我々は、自己教師付き学習(SSL)ベースの音声モデルを利用して、このタスクで頻繁に遭遇する小さなデータセットをよりよく活用する。
抑うつ症状を効果的に識別するためのマルチタスク学習の重要性を示す。
論文 参考訳（メタデータ） (2024-06-25T02:35:37Z) - Enhancing Depression-Diagnosis-Oriented Chat with Psychological State Tracking [27.96718892323191]
Depression-diagnosis-oriented chatは、自己表現の患者を誘導し、うつ病検出の主要な症状を収集することを目的としている。
最近の研究は、面接に基づくうつ病の診断をシミュレートするために、タスク指向対話とchitchatを組み合わせることに焦点を当てている。
対話をガイドするための明確なフレームワークは検討されていない。
論文 参考訳（メタデータ） (2024-03-12T07:17:01Z) - 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) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - 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) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - Data-driven Approach to Differentiating between Depression and Dementia
from Noisy Speech and Language Data [17.77923908329135]
認知症ではコモービルドうつ病が頻発し、これらの臨床症状は多くの重複症状を共有している。
複数条件からの物語音声データを組み合わせた新しい集計データセットを提案する。
分析の結果,認知症とうつ病の主な相違は,音声の音響的異常,反復性(あるいは円),単語の発見困難,コヒーレンス障害,語彙的複雑さと富の相違であることがわかった。
論文 参考訳（メタデータ） (2022-10-07T03:20:02Z) - A Preliminary Study of a Two-Stage Paradigm for Preserving Speaker
Identity in Dysarthric Voice Conversion [50.040466658605524]
変形性音声変換(DVC)における話者同一性維持のための新しいパラダイムを提案する。
変形性音声の質は統計VCによって大幅に改善される。
しかし, 変形性関節症患者の通常の発話は, ほとんど収集できないため, 過去の研究は患者の個性を取り戻すことはできなかった。
論文 参考訳（メタデータ） (2021-06-02T18:41:03Z) - 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)
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。