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: 処理完了
- 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
- 全文 参考訳へのリンク
関連論文リスト
- 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) - Objective Prediction of Tomorrow's Affect Using Multi-Modal
Physiological Data and Personal Chronicles: A Study of Monitoring College
Student Well-being in 2020 [0.0]
本研究の目的は、複数の商用機器を用いて、完全自動的かつ客観的なアプローチにより、影響をより正確に予測する能力を検討することである。
1年以上にわたり、スマートウェアラブルと携帯電話を使用した大学生のサンプルから、縦断的生理データと毎日の感情評価を収集した。
その結果,本モデルでは,技術手法に匹敵する精度で,翌日への影響を予測することができた。
論文 参考訳(メタデータ) (2022-01-26T23:06:20Z) - What Do You See in this Patient? Behavioral Testing of Clinical NLP
Models [69.09570726777817]
本稿では,入力の変化に関する臨床結果モデルの振る舞いを評価する拡張可能なテストフレームワークを提案する。
私たちは、同じデータを微調整しても、モデル行動は劇的に変化し、最高のパフォーマンスのモデルが常に最も医学的に可能なパターンを学習していないことを示しています。
論文 参考訳(メタデータ) (2021-11-30T15:52:04Z) - Algorithmic encoding of protected characteristics and its implications
on disparities across subgroups [17.415882865534638]
機械学習モデルは、患者の人種的アイデンティティと臨床結果の間に望ましくない相関関係を拾うことができる。
これらのバイアスがどのようにコード化され、どのように異なるパフォーマンスを減らしたり、取り除いたりするかについては、ほとんど分かっていない。
論文 参考訳(メタデータ) (2021-10-27T20:30:57Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳(メタデータ) (2021-10-19T11:45:01Z) - Voxel-level Importance Maps for Interpretable Brain Age Estimation [70.5330922395729]
本稿では,畳み込みニューラルネットワークを用いた3次元脳磁気共鳴(MR)画像からの脳年齢回帰の課題に着目した。
予測モデルの性能を損なうことなく、できるだけ多くのノイズを入力に追加することを目的としたノイズモデルを実装した。
本手法は,英国バイオバンクの13750個の脳MR画像を用いて検討し,既存の神経病理学文献と一致している。
論文 参考訳(メタデータ) (2021-08-11T18:08:09Z) - Machine-learning-based investigation on classifying binary and
multiclass behavior outcomes of children with PIMD/SMID [0.0]
本研究は, 位置情報と気象データと特徴選択法トレーニング(ボロータ)を組み合わせることにより, 2進分類と多進分類を区別した行動のより正確な分類が可能になるかを検討した。
PIMD/SMIDまたは重度・重度知的障害児とその介護者20~10歳児を対象に,複数の単目的対面セッションとビデオ録画セッションを行った。
論文 参考訳(メタデータ) (2021-05-13T01:22:42Z) - 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)
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。