論文の概要: Transfer Learning for Real-time Deployment of a Screening Tool for
Depression Detection Using Actigraphy
- arxiv url: http://arxiv.org/abs/2303.07847v1
- Date: Tue, 14 Mar 2023 12:37:22 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-15 15:11:37.739539
- Title: Transfer Learning for Real-time Deployment of a Screening Tool for
Depression Detection Using Actigraphy
- Title(参考訳): actigraphyを用いたうつ病検出のためのスクリーニングツールのリアルタイム展開のための転送学習
- Authors: Rajanikant Ghate, Nayan Kalnad, Rahee Walambe, Ketan Kotecha
- Abstract要約: 本稿では,利用者のアクチグラフィーデータに基づいて,うつ病スクリーニングツールをリアルタイムに展開するために,二次データセットに基づいて訓練されたモデルから移行学習に基づくアプローチを提案する。
プライマリセット上で行った1つの横断検証アプローチの修正版では平均精度が0.96となり、各プライマリセットからのデータはテストのために別々に設定された。
- 参考スコア(独自算出の注目度): 8.430502131775722
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automated depression screening and diagnosis is a highly relevant problem
today. There are a number of limitations of the traditional depression
detection methods, namely, high dependence on clinicians and biased
self-reporting. In recent years, research has suggested strong potential in
machine learning (ML) based methods that make use of the user's passive data
collected via wearable devices. However, ML is data hungry. Especially in the
healthcare domain primary data collection is challenging. In this work, we
present an approach based on transfer learning, from a model trained on a
secondary dataset, for the real time deployment of the depression screening
tool based on the actigraphy data of users. This approach enables machine
learning modelling even with limited primary data samples. A modified version
of leave one out cross validation approach performed on the primary set
resulted in mean accuracy of 0.96, where in each iteration one subject's data
from the primary set was set aside for testing.
- Abstract(参考訳): 自動うつ病スクリーニングと診断は、今日非常に重要な問題である。
従来のうつ病検出法にはいくつかの制限があり、すなわち、臨床医への高い依存度と偏りのある自己報告がある。
近年,ウェアラブルデバイスを介して収集されたユーザの受動的データを利用する機械学習(ML)ベースの手法に強い可能性を示唆している。
しかし、MLはデータ不足です。
特に医療分野におけるプライマリデータ収集は困難である。
本研究では,利用者のアクチグラフィーデータに基づいて,うつ病スクリーニングツールをリアルタイムに展開するために,二次データセットに基づいて訓練されたモデルからトランスファーラーニングに基づくアプローチを提案する。
このアプローチは、限られた一次データサンプルであっても、機械学習のモデリングを可能にする。
プライマリセットで行ったrefing one out cross validationアプローチの修正版では、平均精度が0.96となり、各イテレーションでプライマリセットから1人の被験者のデータをテスト用に設定した。
関連論文リスト
- MAPS: A Noise-Robust Progressive Learning Approach for Source-Free
Domain Adaptive Keypoint Detection [76.97324120775475]
クロスドメインキーポイント検出方法は、常に適応中にソースデータにアクセスする必要がある。
本稿では、ターゲット領域に十分に訓練されたソースモデルのみを提供する、ソースフリーなドメイン適応キーポイント検出について考察する。
論文 参考訳(メタデータ) (2023-02-09T12:06:08Z) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Time-based Self-supervised Learning for Wireless Capsule Endoscopy [1.3514953384460016]
本研究は,無線内視鏡ビデオにおける自己教師あり学習の活用を提案する。
本研究では,時間軸から抽出した推定固有構造を用いることで,重度の不均衡下であっても,複数の領域固有のアプリケーションにおける検出率を向上させることを証明する。
論文 参考訳(メタデータ) (2022-04-20T20:31:06Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳(メタデータ) (2022-02-08T10:03:24Z) - Imputation-Free Learning from Incomplete Observations [73.15386629370111]
本稿では,不備な値を含む入力からの推論をインプットなしでトレーニングするIGSGD法の重要性について紹介する。
バックプロパゲーションによるモデルのトレーニングに使用する勾配の調整には強化学習(RL)を用いる。
我々の計算自由予測は、最先端の計算手法を用いて従来の2段階の計算自由予測よりも優れている。
論文 参考訳(メタデータ) (2021-07-05T12:44:39Z) - The unreasonable effectiveness of Batch-Norm statistics in addressing
catastrophic forgetting across medical institutions [8.244654685687054]
モデル改良と事前学習した知識の保持のトレードオフについて検討する。
本稿では,従来のデータセットのグローバルバッチ正規化統計値を用いて,弾性重み付け(EWC)を適応する,単純で効果的な手法を提案する。
論文 参考訳(メタデータ) (2020-11-16T16:57:05Z) - Real-World Multi-Domain Data Applications for Generalizations to
Clinical Settings [1.508558791031741]
ディープラーニングモデルは、臨床試験のような人工的な設定から標準化されたデータセットでトレーニングされた場合、うまく機能する。
マルチドメイン実世界のデータセットに転送学習を用いた自己教師型アプローチを用いることで、標準化されたデータセットに対して16%の相対的改善が達成できることを示す。
論文 参考訳(メタデータ) (2020-07-24T17:41:23Z) - Omni-supervised Facial Expression Recognition via Distilled Data [120.11782405714234]
ネットワークトレーニングにおいて,信頼度の高いサンプルを多量のラベルのないデータで活用するためのオムニ教師付き学習を提案する。
我々は,新しいデータセットが学習したFERモデルの能力を大幅に向上させることができることを実験的に検証した。
そこで本研究では,生成したデータセットを複数のクラスワイド画像に圧縮するために,データセット蒸留戦略を適用することを提案する。
論文 参考訳(メタデータ) (2020-05-18T09:36:51Z) - Unsupervised Pre-trained Models from Healthy ADLs Improve Parkinson's
Disease Classification of Gait Patterns [3.5939555573102857]
パーキンソン病分類のための加速度計歩行データに関連する特徴を抽出する方法を示す。
我々の事前学習したソースモデルは畳み込みオートエンコーダで構成されており、ターゲット分類モデルは単純な多層パーセプトロンモデルである。
本研究は,Parkinson病分類の課題に対する事前学習モデルの選択が与える影響を,異なる活動群を用いて訓練した2つの異なるソースモデルについて検討する。
論文 参考訳(メタデータ) (2020-05-06T04:08:19Z) - Self-Training with Improved Regularization for Sample-Efficient Chest
X-Ray Classification [80.00316465793702]
挑戦的なシナリオで堅牢なモデリングを可能にするディープラーニングフレームワークを提案する。
その結果,85%のラベル付きデータを用いて,大規模データ設定で学習した分類器の性能に適合する予測モデルを構築することができた。
論文 参考訳(メタデータ) (2020-05-03T02:36:00Z)
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。