論文の概要: Handwriting and Drawing for Depression Detection: A Preliminary Study
- arxiv url: http://arxiv.org/abs/2302.02499v1
- Date: Sun, 5 Feb 2023 22:33:49 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-07 17:58:17.398104
- Title: Handwriting and Drawing for Depression Detection: A Preliminary Study
- Title（参考訳）: 抑うつ検出のための筆跡と図面 : 予備研究
- Authors: Gennaro Raimo, Michele Buonanno, Massimiliano Conson, Gennaro
Cordasco, Marcos Faundez-Zanuy, Stefano Marrone, Fiammetta Marulli,
Alessandro Vinciarelli, and Anna Esposito
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 53.11777541341063
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The events of the past 2 years related to the pandemic have shown that it is
increasingly important to find new tools to help mental health experts in
diagnosing mood disorders. Leaving aside the longcovid cognitive (e.g.,
difficulty in concentration) and bodily (e.g., loss of smell) effects, the
short-term covid effects on mental health were a significant increase in
anxiety and depressive symptoms. The aim of this study is to use a new tool,
the online handwriting and drawing analysis, to discriminate between healthy
individuals and depressed patients. To this aim, patients with clinical
depression (n = 14), individuals with high sub-clinical (diagnosed by a test
rather than a doctor) depressive traits (n = 15) and healthy individuals (n =
20) were recruited and asked to perform four online drawing /handwriting tasks
using a digitizing tablet and a special writing device. From the raw collected
online data, seventeen drawing/writing features (categorized into five
categories) were extracted, and compared among the three groups of the involved
participants, through ANOVA repeated measures analyses. Results shows that Time
features are more effective in discriminating between healthy and participants
with sub-clinical depressive characteristics. On the other hand, Ductus and
Pressure features are more effective in discriminating between clinical
depressed and healthy participants.
- Abstract（参考訳）: パンデミックに関連する過去2年間の出来事は、精神保健の専門家が気分障害を診断するための新しいツールを見つけることがますます重要であることを示している。
長期的認知(例えば、集中の困難)と身体的影響(例えば、嗅覚の喪失)を除いて、精神健康に対する短期的な認知的影響は、不安と抑うつ症状の顕著な増加であった。
本研究の目的は,健常者とうつ病患者を判別するために,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。
この目的のために, 臨床うつ病患者(n=14), 患者(医師ではなく検査により診断される) 抑うつ性形質(n=15), 健常者(n=20) を募集し, デジタル化タブレットと特殊な筆記装置を用いて4つのオンライン図面/手書き作業を行うように依頼した。
収集したオンラインデータから17種類の図面・書画特徴(5つのカテゴリに分類される)を抽出し,ANOVAを繰り返し測定した結果,参加者の3つのグループで比較した。
その結果, 時間特性は, 健常者と非臨床的抑うつ特性を有する被験者の識別に有効であることが示唆された。
一方, 臨床的うつ病患者と健常者との鑑別には, ダクトとプレッシャーの特徴がより効果的である。
関連論文リスト
- Faces of the Mind: Unveiling Mental Health States Through Facial Expressions in 11,427 Adolescents [12.51443153354506]
うつ病や不安などの気分障害は、しばしば表情を通して現れる。
11,427人の被験者の顔映像を分析した。
論文 参考訳（メタデータ） (2024-05-30T14:02:40Z) - Measuring Non-Typical Emotions for Mental Health: A Survey of Computational Approaches [57.486040830365646]
ストレスと抑うつは日々のタスクにおけるエンゲージメントに影響を与え、彼らの相互作用を理解する必要性を強調します。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - 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) - 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) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - Data set creation and empirical analysis for detecting signs of
depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。
我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文 参考訳（メタデータ） (2022-02-07T10:24:33Z) - An Exploratory Analysis of the Relation Between Offensive Language and
Mental Health [3.333967282951668]
我々は,自己報告型うつ病診断の有無にかかわらず,個人グループによって書かれたソーシャルメディア投稿における攻撃的言語の使用を比較するために,計算モデルを訓練する。
分析の結果,自己報告型うつ病の患者やうつ病の徴候を呈する患者では,攻撃的言語がより頻繁に使用されることが明らかとなった。
論文 参考訳（メタデータ） (2021-05-31T11:25:07Z) - 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) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。