Fugu-MT 論文翻訳(概要): Symptom Identification for Interpretable Detection of Multiple Mental Disorders

論文の概要: Symptom Identification for Interpretable Detection of Multiple Mental Disorders

arxiv url: http://arxiv.org/abs/2205.11308v1
Date: Mon, 23 May 2022 13:51:48 GMT
ステータス: 処理完了
システム内更新日: 2022-05-25 05:19:23.832657
Title: Symptom Identification for Interpretable Detection of Multiple Mental Disorders
Title（参考訳）: 重度精神障害の解釈診断のための症状同定
Authors: Zhiling Zhang, Siyuan Chen, Mengyue Wu, Kenny Q. Zhu
Abstract要約: ソーシャルメディアからの精神疾患の検出は、一般化性や解釈性に乏しい。 PsySymは,多発性精神疾患の最初の症状同定コーパスである。
参考スコア（独自算出の注目度）: 22.254532020321925
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Mental disease detection (MDD) from social media has suffered from poor generalizability and interpretability, due to lack of symptom modeling. This paper introduces PsySym, the first annotated symptom identification corpus of multiple psychiatric disorders, to facilitate further research progress. PsySym is annotated according to a knowledge graph of the 38 symptom classes related to 7 mental diseases complied from established clinical manuals and scales, and a novel annotation framework for diversity and quality. Experiments show that symptom-assisted MDD enabled by PsySym can outperform strong pure-text baselines. We also exhibit the convincing MDD explanations provided by symptom predictions with case studies, and point to their further potential applications.
Abstract（参考訳）: ソーシャルメディアからの精神疾患検出(MDD)は、症状モデリングの欠如により、一般化性や解釈性が低下している。本稿では,多発性精神疾患の最初の症状同定コーパスであるPsySymを紹介し,さらなる研究の進展を促す。 PsySymは、確立された臨床マニュアルと尺度から準拠した7つの精神疾患に関連する38の症状の知識グラフと、多様性と品質のための新しいアノテーションフレームワークに基づいて注釈付けされている。 PsySymによって実現された症状支援MDDは、強い純粋テキストベースラインよりも優れた性能を示す。また,症状予測によるMDDの説得力のある説明をケーススタディで示し,今後の可能性を示す。

関連論文リスト

DepreSym: A Depression Symptom Annotated Corpus and the Role of LLMs as Assessors of Psychological Markers [3.5511184956329727]
DepreSym データセットは Beck Depression Inventory-II 症状に関連する21580 文からなる。このデータセットは、臨床症状などのうつ病マーカーを組み込んだモデルの開発を進めるための貴重なリソースとなる。
論文参考訳（メタデータ） (2023-08-21T14:44:31Z)
CoAD: Automatic Diagnosis through Symptom and Disease Collaborative Generation [37.25451059168202]
CoADは病気と症状の協調生成フレームワークである。自動的な疾患診断を改善するために、いくつかの重要な革新が組み込まれている。過去の診断結果よりも平均2.3%改善している。
論文参考訳（メタデータ） (2023-07-17T07:24:55Z)
KNSE: A Knowledge-aware Natural Language Inference Framework for Dialogue Symptom Status Recognition [69.78432481474572]
症状状態認識(SSR)のための新しいフレームワークKNSEを提案する。対話ウィンドウ内の各症状について、まず、症状の状態に関する症状と仮説に関する知識を生成し、(前提、知識、仮説)三重項を形成する。次にBERTモデルを使用して三重項を符号化し、さらに発話アグリゲーション、自己アテンション、横断アテンション、GRUなどのモジュールで処理して症状状態を予測する。
論文参考訳（メタデータ） (2023-05-26T11:23:26Z)
What Symptoms and How Long? An Interpretable AI Approach for Depression Detection in Social Media [0.5156484100374058]
うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
論文参考訳（メタデータ） (2023-05-18T20:15:04Z)
Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文参考訳（メタデータ） (2022-11-09T14:48:13Z)
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)
Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文参考訳（メタデータ） (2020-12-22T13:20:23Z)
Detecting Signatures of Early-stage Dementia with Behavioural Models Derived from Sensor Data [3.390976757989381]
本稿では, 軽度認知障害 (MCI) とアルツハイマー病 (AD) のテクステアリー段階における行動徴候を特徴付けることを目的とする。本稿では,MCI と AD の患者から得られた縦型センサデータのデータセットに,行動モデルと重要な症状の分析を導入し,それらを展開する。予備的な知見は、認知症早期の患者と健康な共生制御において、睡眠の質と歩行の関係が微妙に異なることを示している。
論文参考訳（メタデータ） (2020-07-03T18:46:49Z)
A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文参考訳（メタデータ） (2020-05-08T02:29:24Z)
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)
Towards Causality-Aware Inferring: A Sequential Discriminative Approach for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文参考訳（メタデータ） (2020-03-14T02:05:54Z)

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。