論文の概要: PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress
Disorder Recognition in Unconstrained Environments
- arxiv url: http://arxiv.org/abs/2209.14085v1
- Date: Wed, 28 Sep 2022 13:30:26 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-29 16:36:41.943592
- Title: PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress
Disorder Recognition in Unconstrained Environments
- Title（参考訳）: ptsd in the wild: 無拘束環境における外傷後ストレス障害認識研究のためのビデオデータベース
- Authors: Moctar Abdoul Latif Sawadogo, Furkan Pala, Gurkirat Singh, Imen Selmi,
Pauline Puteaux and Alice Othmani
- Abstract要約: PTSDは慢性的な精神状態であり、破滅的な生命現象に反応して発達する。
本稿では,PTSD自動診断のための新しいビデオデータベースを公開し,注釈付けし,公開するために準備した。
野生データセットにおけるPTSDに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するためのベンチマークを提供する。
- 参考スコア（独自算出の注目度）: 9.272889136803212
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: POST-traumatic stress disorder (PTSD) is a chronic and debilitating mental
condition that is developed in response to catastrophic life events, such as
military combat, sexual assault, and natural disasters. PTSD is characterized
by flashbacks of past traumatic events, intrusive thoughts, nightmares,
hypervigilance, and sleep disturbance, all of which affect a person's life and
lead to considerable social, occupational, and interpersonal dysfunction. The
diagnosis of PTSD is done by medical professionals using self-assessment
questionnaire of PTSD symptoms as defined in the Diagnostic and Statistical
Manual of Mental Disorders (DSM). In this paper, and for the first time, we
collected, annotated, and prepared for public distribution a new video database
for automatic PTSD diagnosis, called PTSD in the wild dataset. The database
exhibits "natural" and big variability in acquisition conditions with different
pose, facial expression, lighting, focus, resolution, age, gender, race,
occlusions and background. In addition to describing the details of the dataset
collection, we provide a benchmark for evaluating computer vision and machine
learning based approaches on PTSD in the wild dataset. In addition, we propose
and we evaluate a deep learning based approach for PTSD detection in respect to
the given benchmark. The proposed approach shows very promising results.
Interested researcher can download a copy of PTSD-in-the wild dataset from:
http://www.lissi.fr/PTSD-Dataset/
- Abstract（参考訳）: POST-traumatic stress disorder (PTSD) は、戦闘、性的暴行、自然災害などの破滅的な生命現象に反応して発達する慢性的、不安定な精神状態である。
PTSDは、過去のトラウマ的出来事、侵入的思考、悪夢、過重力、睡眠障害のフラッシュバックが特徴であり、これらは全て人の生活に影響を与え、社会的、職業的、対人的機能不全を引き起こす。
PTSDの診断は、精神障害の診断・統計マニュアル(DSM)で定義されたPTSD症状の自己評価アンケートを用いて、医療従事者が行う。
本論文は,本論文において,PTSD自動診断のためのビデオデータベースを野生データセットに公開するために,初めて収集,注釈付け,準備を行ったものである。
このデータベースは、異なるポーズ、表情、照明、焦点、フォーカス、解像度、年齢、性別、人種、オクルージョン、背景を持つ獲得条件における「自然な」大きな変動を示す。
データセットコレクションの詳細を説明することに加えて、ワイルドデータセットにおけるptsdに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するベンチマークを提供する。
さらに,ptsd検出のための深層学習に基づく手法を提案するとともに評価した。
提案手法は非常に有望な結果を示す。
興味のある研究者は、 http://www.lissi.fr/PTSD-Dataset/
関連論文リスト
- Enhancing PTSD Outcome Prediction with Ensemble Models in Disaster Contexts [0.9249657468385778]
外傷後ストレス障害(PTSD)は、外傷性事象に曝される個人に影響を与える重要な精神疾患である。
PTSDの早期発見と効果的な介入は、治療を受けなければ長期の心理的苦痛につながる可能性があるため、極めて重要である。
論文 参考訳（メタデータ） (2024-11-16T01:44:43Z) - MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
メンタルヘルス障害は世界で最も深刻な病気の1つである。
プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。
MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
論文 参考訳（メタデータ） (2024-10-09T13:06:40Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳（メタデータ） (2024-06-09T09:03:11Z) - A Novel Stochastic Transformer-based Approach for Post-Traumatic Stress Disorder Detection using Audio Recording of Clinical Interviews [3.09988520562118]
PTSD(Post-traumatic stress disorder)は、外傷的な出来事を目撃または経験した後に発症する精神疾患である。
PTSD 尺度 (CAPS) と PTSD Check List for Civilians (PCL-C) は、PTSD の診断における金の基準である。
本研究は,臨床面接における音声記録を用いたPTSD検出の最先端性能を実現するための深層学習に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-03-28T14:11:40Z) - Analyzing the Effect of Data Impurity on the Detection Performances of
Mental Disorders [4.080594857690561]
特定の精神障害が類似した症状を共有していることが広く認識されており、収集された行動データが複数の障害に関連する様々な属性を包含している。
本研究では,大うつ病 (MDD) と外傷後ストレス障害 (PTSD) の文脈におけるこの仮説について検討する。
これらのデータ不純物除去により,MDDおよびPTSD検出性能は大幅に向上した。
論文 参考訳（メタデータ） (2023-08-09T13:13:26Z) - 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) - Posttraumatic Stress Disorder Hyperarousal Event Detection Using
Smartwatch Physiological and Activity Data [0.0]
PTSD(英: Posttraumatic Stress Disorder)は、アメリカ合衆国の退役軍人の約4分の1が、戦域から帰還する精神疾患である。
患者は治療セッションの外でPTSD症状を最も重篤に経験することが多い。
モバイルヘルスアプリケーションは、このギャップに対処するかもしれないが、その効果は、継続的監視と時間的介入を可能にする検出能力の現在のギャップによって制限されている。
論文 参考訳（メタデータ） (2021-09-29T22:24:10Z) - 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) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - 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) - LAXARY: A Trustworthy Explainable Twitter Analysis Model for
Post-Traumatic Stress Disorder Assessment [1.776746672434207]
本稿では,TwitterユーザのPTSDアセスメントを検知し,表現するためのLAXARYモデルを提案する。
まず,臨床検査ツールを用いて実Twitterユーザから臨床PTSD評価データを収集する。
そして、PTSD言語辞書と機械学習モデルを用いて、PTSDステータスと対応するTwitterユーザの強度を検出するための調査ツールを埋める。
論文 参考訳（メタデータ） (2020-03-16T20:32:24Z)
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。