論文の概要: Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan
- arxiv url: http://arxiv.org/abs/2205.05737v1
- Date: Wed, 11 May 2022 19:12:15 GMT
- ステータス: 翻訳完了
- システム内更新日: 2022-05-14 04:49:13.686853
- Title: Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan
- Title（参考訳）: 小児・青年精神科における計算行動認識:統計的・機械学習分析計画
- Authors: Nicole N. L{\o}nfeldt, Flavia D. Frumosu, A.-R. Cecilie Mora-Jensen,
Nicklas Leander Lund, Sneha Das, A. Katrine Pagsberg, Line K. H. Clemmensen
- Abstract要約: 我々は,人工知能(AI)ツールを用いた心理療法と研究のために,人間の行動のコーディングを自動化することを目的としている。
強迫性障害 (OCD) を持つ25人の若者と, 精神科的診断 (no-OCD) を伴わない12人の青少年のゴールドスタンダード半構造化診断インタビューのビデオを分析した。
- 参考スコア（独自算出の注目度）: 3.975358343371988
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Motivation: Behavioral observations are an important resource in the study
and evaluation of psychological phenomena, but it is costly, time-consuming,
and susceptible to bias. Thus, we aim to automate coding of human behavior for
use in psychotherapy and research with the help of artificial intelligence (AI)
tools. Here, we present an analysis plan. Methods: Videos of a gold-standard
semi-structured diagnostic interview of 25 youth with obsessive-compulsive
disorder (OCD) and 12 youth without a psychiatric diagnosis (no-OCD) will be
analyzed. Youth were between 8 and 17 years old. Features from the videos will
be extracted and used to compute ratings of behavior, which will be compared to
ratings of behavior produced by mental health professionals trained to use a
specific behavioral coding manual. We will test the effect of OCD diagnosis on
the computationally-derived behavior ratings using multivariate analysis of
variance (MANOVA). Using the generated features, a binary classification model
will be built and used to classify OCD/no-OCD classes. Discussion: Here, we
present a pre-defined plan for how data will be pre-processed, analyzed and
presented in the publication of results and their interpretation. A challenge
for the proposed study is that the AI approach will attempt to derive
behavioral ratings based solely on vision, whereas humans use visual,
paralinguistic and linguistic cues to rate behavior. Another challenge will be
using machine learning models for body and facial movement detection trained
primarily on adults and not on children. If the AI tools show promising
results, this pre-registered analysis plan may help reduce interpretation bias.
Trial registration: ClinicalTrials.gov - H-18010607
- Abstract（参考訳）: モチベーション: 行動観察は心理的現象の研究と評価において重要な資源であるが、費用がかかり、時間がかかり、バイアスに敏感である。
そこで我々は,人工知能(AI)ツールを用いた心理療法と研究のために,人間の行動のコーディングを自動化することを目的とする。
ここでは,分析計画を提案する。
方法: 強迫性障害(ocd)25名, 精神診断(no-ocd)のない12名を対象に, 金本位制半構造化診断面接のビデオ分析を行う。
年齢は8歳から17歳。
ビデオから特徴を抽出し、行動の評価を計算し、特定の行動コーディングマニュアルを使用するように訓練されたメンタルヘルスの専門家が作成した行動の評価と比較する。
我々は多変量分散分析(manova)を用いてocd診断が計算から派生した行動評価に及ぼす影響をテストする。
生成された機能を使ってバイナリ分類モデルを構築し、OCD/no-OCDクラスを分類する。
考察:ここでは,データの事前処理,分析,および結果の公開とその解釈に関する事前定義された計画を示す。
提案された研究の課題は、AIアプローチが視覚のみに基づく行動評価を導き出そうとするのに対して、人間は行動を評価するために視覚的、パラ言語的、言語的手がかりを使用することである。
もうひとつの課題は、子供ではなく主に大人に訓練された身体および顔の動きの検出に機械学習モデルを使用することだ。
もしaiツールが有望な結果を示すなら、この事前登録分析計画は解釈バイアスを減らすのに役立つかもしれない。
治験登録:臨床試験.gov - h-18010607
関連論文リスト
- Uncertainty-aware abstention in medical diagnosis based on medical texts [87.88110503208016]
本研究は,AI支援医療診断における信頼性の重要課題について論じる。
本研究は,診断に自信がなければ,診断システムによる意思決定の回避を可能にする選択予測手法に焦点をあてる。
我々は、選択予測タスクにおける信頼性を高めるための新しい最先端手法であるHUQ-2を紹介する。
論文 参考訳（メタデータ） (2025-02-25T10:15:21Z) - LISBET: a machine learning model for the automatic segmentation of social behavior motifs [0.0]
LISBET(LISBET Is a Social BEhavior Transformer)は,社会的相互作用の検出とセグメンテーションのための機械学習モデルである。
身体追跡データを用いた自己教師型学習により,広範囲な人的アノテーションの必要性を排除した。
生体内電気生理学的には,本モデルで同定されたモチーフに対応する腹側歯根膜領域の神経信号が明瞭であった。
論文 参考訳（メタデータ） (2023-11-07T15:35:17Z) - Exploiting the Brain's Network Structure for Automatic Identification of
ADHD Subjects [70.37277191524755]
我々は脳を機能的ネットワークとしてモデル化できることを示し,ADHD被験者と制御対象とではネットワークの特定の特性が異なることを示した。
776名の被験者で分類器を訓練し,ADHD-200チャレンジのために神経局が提供する171名の被験者を対象に試験を行った。
論文 参考訳（メタデータ） (2023-06-15T16:22:57Z) - Bias Reducing Multitask Learning on Mental Health Prediction [18.32551434711739]
メンタルヘルスの検出や予測のための機械学習モデルの開発では、研究が増加している。
本研究では,マルチタスク学習に基づくバイアス緩和手法を不安予測モデルに適用し,公平性分析を行うことを目的とする。
分析の結果、我々の不安予測ベースモデルでは、年齢、収入、民族性、そして参加者が米国で生まれたかどうかに偏りが生じていた。
論文 参考訳（メタデータ） (2022-08-07T02:28:32Z) - Interpretability by design using computer vision for behavioral sensing
in child and adolescent psychiatry [3.975358343371988]
我々は機械学習を用いて行動規範や金の標準行動評価システムの概念を導出する。
私たちの評価は、ネガティブな感情、活動レベル/覚醒、不安に対する人間の専門家評価に匹敵するものでした。
論文 参考訳（メタデータ） (2022-07-11T09:07:08Z) - The world seems different in a social context: a neural network analysis
of human experimental data [57.729312306803955]
本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。
トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
論文 参考訳（メタデータ） (2022-03-03T17:19:12Z) - IA-GCN: Interpretable Attention based Graph Convolutional Network for
Disease prediction [47.999621481852266]
タスクに対する入力特徴の臨床的関連性を解釈する,解釈可能なグラフ学習モデルを提案する。
臨床シナリオでは、そのようなモデルは、臨床専門家が診断および治療計画のためのより良い意思決定を支援することができる。
本研究では,Tadpoleの平均精度が3.2%,UKBBジェンダーが1.6%,UKBB年齢予測タスクが2%と,比較方法と比較して優れた性能を示した。
論文 参考訳（メタデータ） (2021-03-29T13:04:02Z) - AGENT: A Benchmark for Core Psychological Reasoning [60.35621718321559]
直観心理学は、観察可能な行動を駆動する隠された精神変数を推論する能力です。
他のエージェントを推論する機械エージェントに対する近年の関心にもかかわらず、そのようなエージェントが人間の推論を駆動するコア心理学の原則を学ぶか保持するかは明らかではない。
本稿では,プロシージャが生成する3dアニメーション,エージェントを4つのシナリオで構成したベンチマークを提案する。
論文 参考訳（メタデータ） (2021-02-24T14:58:23Z) - AI-Augmented Behavior Analysis for Children with Developmental
Disabilities: Building Towards Precision Treatment [2.0324247356209835]
AI-Augmented Learning and Applied Behavior Analytics(AI-ABA)プラットフォームを提供し、パーソナライズされた治療と学習計画を提供します。
自動データ収集と分析とともに体系的な実験を定義することで、AI-ABAは自己規制的行動を促進することができる。
論文 参考訳（メタデータ） (2021-02-21T16:15:40Z) - Unsupervised Behaviour Analysis and Magnification (uBAM) using Deep
Learning [5.101123537955207]
運動行動分析は、運動障害とその介入による変化を特定する非侵襲的戦略を提供する。
偏差の検出と拡大による挙動解析のための自動深層学習アルゴリズムであるuBAM(Unsupervised Behavior Analysis and magnification)について紹介する。
中心となる側面は姿勢と行動表現の教師なし学習であり、運動の客観的比較を可能にする。
論文 参考訳（メタデータ） (2020-12-16T20:07:36Z) - BiteNet: Bidirectional Temporal Encoder Network to Predict Medical
Outcomes [53.163089893876645]
本稿では,患者の医療旅行におけるコンテキスト依存と時間的関係を捉える,新たな自己注意機構を提案する。
エンド・ツー・エンドの双方向時間エンコーダネットワーク(BiteNet)が患者の旅路の表現を学習する。
実世界のEHRデータセットを用いた2つの教師付き予測と2つの教師なしクラスタリングタスクにおける手法の有効性を評価した。
論文 参考訳（メタデータ） (2020-09-24T00:42:36Z) - A Developmental Neuro-Robotics Approach for Boosting the Recognition of
Handwritten Digits [91.3755431537592]
近年のエビデンスでは、子どもの体現戦略をシミュレーションすることで、マシンインテリジェンスも改善できることが示されている。
本稿では,発達神経ロボティクスの文脈における畳み込みニューラルネットワークモデルへの具体的戦略の適用について検討する。
論文 参考訳（メタデータ） (2020-03-23T14:55:00Z)
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。