論文の概要: Interpretability by design using computer vision for behavioral sensing
in child and adolescent psychiatry
- arxiv url: http://arxiv.org/abs/2207.04724v1
- Date: Mon, 11 Jul 2022 09:07:08 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-12 22:16:37.351654
- Title: Interpretability by design using computer vision for behavioral sensing
in child and adolescent psychiatry
- Title（参考訳）: コンピュータビジョンを用いた児童・青年精神科における行動知覚の解釈可能性
- Authors: Flavia D. Frumosu, Nicole N. L{\o}nfeldt, A.-R. Cecilie Mora-Jensen,
Sneha Das, Nicklas Leander Lund, A. Katrine Pagsberg, Line K. H. Clemmensen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 3.975358343371988
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Observation is an essential tool for understanding and studying human
behavior and mental states. However, coding human behavior is a time-consuming,
expensive task, in which reliability can be difficult to achieve and bias is a
risk. Machine learning (ML) methods offer ways to improve reliability, decrease
cost, and scale up behavioral coding for application in clinical and research
settings. Here, we use computer vision to derive behavioral codes or concepts
of a gold standard behavioral rating system, offering familiar interpretation
for mental health professionals. Features were extracted from videos of
clinical diagnostic interviews of children and adolescents with and without
obsessive-compulsive disorder. Our computationally-derived ratings were
comparable to human expert ratings for negative emotions,
activity-level/arousal and anxiety. For the attention and positive affect
concepts, our ML ratings performed reasonably. However, results for gaze and
vocalization indicate a need for improved data quality or additional data
modalities.
- Abstract（参考訳）: 観察は人間の行動や精神状態の理解と研究に欠かせない道具である。
しかし、人間の行動のコーディングは、信頼性が達成困難でバイアスがリスクとなる、時間を要する高価な作業である。
機械学習(ML)メソッドは、臨床および研究環境におけるアプリケーションの信頼性の向上、コスト削減、行動コーディングのスケールアップを提供する。
ここでは、コンピュータビジョンを用いて行動規範やゴールド標準行動評価システムの概念を導き、メンタルヘルスの専門家に親しみやすい解釈を提供する。
小児および青年期における強迫性障害を伴わない臨床診断面接のビデオから特徴を抽出した。
私たちの計算による評価は、ネガティブ感情、活動レベル/覚醒、不安に対する人間のエキスパート評価に匹敵するものでした。
意識と肯定的な影響概念について,我々のML評価は合理的に評価された。
しかし、視線と発声の結果は、データ品質の向上や追加データモダリティの必要性を示している。
関連論文リスト
- Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。
我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
論文 参考訳（メタデータ） (2024-05-15T20:41:46Z) - PsychoGAT: A Novel Psychological Measurement Paradigm through Interactive Fiction Games with LLM Agents [68.50571379012621]
心理的な測定は、精神健康、自己理解、そして個人の発達に不可欠である。
心理学ゲームAgenT(サイコガト)は、信頼性、収束妥当性、差別的妥当性などの心理学的指標において統計的に有意な卓越性を達成している。
論文 参考訳（メタデータ） (2024-02-19T18:00:30Z) - Counterfactual Explanations and Predictive Models to Enhance Clinical
Decision-Making in Schizophrenia using Digital Phenotyping [0.966840768820136]
統合失調症患者の症状の個人的変化を予測・検出・説明できる機械学習システムを提案する。
このシステムは、変更点アルゴリズムを用いて症状の減少を検知し、医療におけるシミュレーションされた継続的監視シナリオにおけるリコースとして反ファクト的説明を用いる。
論文 参考訳（メタデータ） (2023-06-06T19:33:03Z) - Language-Assisted Deep Learning for Autistic Behaviors Recognition [13.200025637384897]
本稿では,視覚に基づく問題行動認識システムにおいて,従来の手法よりも高い精度で性能を向上できることを示す。
問題行動の種類毎に「自由利用」言語記述を取り入れた2分岐マルチモーダルディープラーニングフレームワークを提案する。
実験結果から,言語指導を付加することで,自閉症の行動認識タスクに明らかなパフォーマンス向上がもたらされることが示された。
論文 参考訳（メタデータ） (2022-11-17T02:58:55Z) - What's on your mind? A Mental and Perceptual Load Estimation Framework
towards Adaptive In-vehicle Interaction while Driving [55.41644538483948]
精神的な作業量と知覚的負荷が心理生理学的次元に及ぼす影響を分析する。
これらの測定値の融合により、心的および知覚的負荷レベルを分類する。
我々は、最大89%のメンタルワークロード分類精度を報告し、リアルタイムに最小限のソリューションを提供する。
論文 参考訳（メタデータ） (2022-08-10T21:19:49Z) - Vision-Based Activity Recognition in Children with Autism-Related
Behaviors [15.915410623440874]
臨床医や親が子どもの行動を分析するのに役立つ地域型コンピュータビジョンシステムの効果を実証する。
データは、ビデオ中の対象の子供を検出し、背景雑音の影響を低減することで前処理される。
時間的畳み込みモデルの有効性から,ビデオフレームから動作特徴を抽出できる軽量モデルと従来モデルの両方を提案する。
論文 参考訳（メタデータ） (2022-08-08T15:12:27Z) - Computational behavior recognition in child and adolescent psychiatry: A
statistical and machine learning analysis plan [3.975358343371988]
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。
論文 参考訳（メタデータ） (2022-05-11T19:12:15Z) - 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) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - 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) - 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。