論文の概要: Dyadic Interaction Assessment from Free-living Audio for Depression Severity Assessment

• arxiv url: http://arxiv.org/abs/2209.03901v1
• Date: Thu, 8 Sep 2022 16:16:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-09 13:30:50.331877
• Title: Dyadic Interaction Assessment from Free-living Audio for Depression Severity Assessment
• Title（参考訳）: 自由生活音声によるうつ病重症度評価のためのdyadic interaction assessment
• Authors: Bishal Lamichhane, Nidal Moukaddam, Ankit B. Patel, Ashutosh Sabharwal
• Abstract要約: 無または軽度のうつ病患者のうつ病重症度の増加に伴い, ダイアド相互作用頻度は上昇した。 中等度または重症のうつ病患者のうつ病重症度の増加に伴い, ダイオキシド相互作用頻度は低下した。 本研究は, フリーライフの音声録音から, 抑うつのマーカーを得るためのダイアド相互作用解析の可能性を示す。
• 参考スコア（独自算出の注目度）: 14.125119250395333
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Psychomotor retardation in depression has been associated with speech timing changes from dyadic clinical interviews. In this work, we investigate speech timing features from free-living dyadic interactions. Apart from the possibility of continuous monitoring to complement clinical visits, a study in free-living conditions would also allow inferring sociability features such as dyadic interaction frequency implicated in depression. We adapted a speaker count estimator as a dyadic interaction detector with a specificity of 89.5% and a sensitivity of 86.1% in the DIHARD dataset. Using the detector, we obtained speech timing features from the detected dyadic interactions in multi-day audio recordings of 32 participants comprised of 13 healthy individuals, 11 individuals with depression, and 8 individuals with psychotic disorders. The dyadic interaction frequency increased with depression severity in participants with no or mild depression, indicating a potential diagnostic marker of depression onset. However, the dyadic interaction frequency decreased with increasing depression severity for participants with moderate or severe depression. In terms of speech timing features, the response time had a significant positive correlation with depression severity. Our work shows the potential of dyadic interaction analysis from audio recordings of free-living to obtain markers of depression severity.
• Abstract（参考訳）: 抑うつ症における精神運動遅滞は、dyadic clinical interviewsの発話タイミング変化と関連している。 本研究では,自由生活型ディヤド相互作用を用いた発話タイミングの特徴について検討する。 臨床訪問を補完する継続的モニタリングの可能性とは別に、自由生活状態の研究によって、うつ病に関係したdyadic相互作用頻度のようなソシビリティの特徴を推測することも可能である。 話者数推定器を89.5%の特異度と86.1%の感度でダイアディック相互作用検出器として適用した。 この検出器を用いて,健常者13名,抑うつ者11名,精神障害者8名からなる複数日間の音声録音において,検出されたダイアド相互作用から発話タイミングの特徴を抽出した。 うつ病の発症頻度はうつ病重症度とともに上昇し,うつ病発症の診断マーカーとなる可能性が示唆された。 しかし,中等度または重度うつ病患者ではうつ病重症度の増加とともにdyadic相互作用頻度は低下した。 発声タイミングの特徴としては, 応答時間はうつ病重症度と有意な正の相関を示した。 本研究は,自由生活の音声記録からdyadicインタラクション分析の可能性を示し,うつ病の指標を得る。

関連論文リスト

• Multi-aspect Depression Severity Assessment via Inductive Dialogue System [5.156059061769101]
  インダクティブ対話システム(MaDSA)を用いたマルチアスペクトうつ病重症度評価の新しい課題を提案する。 補助的感情分類タスクによる心理的対話応答を誘導するMaDSAの基礎システムを提案する。 我々は,感情ラベルとともに,抑うつの重大度を8つの側面で注釈付けした会話データセットを合成し,人間の評価によって頑健さを証明した。
  論文  参考訳（メタデータ） (2024-10-29T08:00:08Z)
• Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
  英国在住の一般住民10,129名のデータを横断的に分析した。 参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。 気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
  論文  参考訳（メタデータ） (2024-09-24T16:05:17Z)
• 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)
• Exploring Social Media for Early Detection of Depression in COVID-19 Patients [44.76299288962596]
  早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。 我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。 うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
  論文  参考訳（メタデータ） (2023-02-23T14:13:52Z)
• 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)
• Heterogeneous Hidden Markov Models for Sleep Activity Recognition from Multi-Source Passively Sensed Data [67.60224656603823]
  精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。 睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。 スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
  論文  参考訳（メタデータ） (2022-11-08T17:29:40Z)
• 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)
• 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)
• 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)
• Examining the Role of Mood Patterns in Predicting Self-Reported Depressive symptoms [4.564132389935269]
  うつ病は世界中で障害の主な原因である。 ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。 本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
  論文  参考訳（メタデータ） (2020-06-14T12:48:43Z)

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。