論文の概要: DEPAC: a Corpus for Depression and Anxiety Detection from Speech

• arxiv url: http://arxiv.org/abs/2306.12443v1
• Date: Tue, 20 Jun 2023 12:21:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-23 16:56:03.265254
• Title: DEPAC: a Corpus for Depression and Anxiety Detection from Speech
• Title（参考訳）: DEPAC:音声からの抑うつ・不安検出コーパス
• Authors: Mashrura Tasnim, Malikeh Ehghaghi, Brian Diep, Jekaterina Novikova
• Abstract要約: 本稿では、うつ病と不安スクリーニングツールの確立したしきい値に基づいてラベル付けされた、心的苦痛分析オーディオデータセットDEPACを紹介する。 この大きなデータセットは、個人ごとの複数の音声タスクと、関連する人口統計情報から構成される。 人間の音声における精神疾患の徴候の同定に有効な,手作業による音響的特徴と言語的特徴からなる特徴セットを提案する。
• 参考スコア（独自算出の注目度）: 3.2154432166999465
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mental distress like depression and anxiety contribute to the largest proportion of the global burden of diseases. Automated diagnosis systems of such disorders, empowered by recent innovations in Artificial Intelligence, can pave the way to reduce the sufferings of the affected individuals. Development of such systems requires information-rich and balanced corpora. In this work, we introduce a novel mental distress analysis audio dataset DEPAC, labeled based on established thresholds on depression and anxiety standard screening tools. This large dataset comprises multiple speech tasks per individual, as well as relevant demographic information. Alongside, we present a feature set consisting of hand-curated acoustic and linguistic features, which were found effective in identifying signs of mental illnesses in human speech. Finally, we justify the quality and effectiveness of our proposed audio corpus and feature set in predicting depression severity by comparing the performance of baseline machine learning models built on this dataset with baseline models trained on other well-known depression corpora.
• Abstract（参考訳）: 抑うつや不安のような精神的苦痛は、世界的な疾病の負担の最大の割合に寄与する。 このような障害の自動診断システムは、人工知能の最近の革新によって強化され、影響を受ける個人の苦痛を軽減できる。 このようなシステムの開発には情報豊かでバランスの取れたコーパスが必要である。 本研究では、うつ病と不安標準スクリーニングツールの確立されたしきい値に基づいてラベル付けされた、心的苦痛分析オーディオデータセットDEPACを紹介する。 この大きなデータセットは、個人ごとの複数の音声タスクと関連する人口統計情報を含む。 また,人間の発話における精神疾患の徴候の同定に有効な手話音響的特徴と言語的特徴からなる特徴セットを提案する。 最後に,本データセット上に構築したベースライン機械学習モデルと,他のよく知られたうつ病コーパスでトレーニングされたベースラインモデルの性能を比較することにより,提案する音声コーパスと特徴セットの品質と効果を正当化する。

関連論文リスト

• 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)
• Mental-Perceiver: Audio-Textual Multimodal Learning for Mental Health Assessment [10.584792972403596]
  不安や抑うつといった精神障害は、さまざまな年齢の人々の生活に影響を及ぼす世界的な問題となっている。 我々は,マンダリン話者の不安と抑うつ評価に関する大規模テキストbfMulti-textbfModal textbfpsychological Assessment corpus (MMPsy)を構築した。 我々のデータセットには、不安評価のためのインタビューの7,700件、うつ病評価のための4,200件以上の記録が含まれています。
  論文  参考訳（メタデータ） (2024-08-22T02:54:52Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Cost-effective Models for Detecting Depression from Speech [4.269268432906194]
  うつ病は最も一般的な精神障害であり、世界中で障害や自殺の原因と考えられている。 ヒトの音声におけるうつ病の徴候を検出することができるシステムは、この疾患に苦しむ個人に対して、タイムリーかつ効果的なメンタルヘルスの確保に寄与することができる。
  論文  参考訳（メタデータ） (2023-02-18T02:46:21Z)
• 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)
• Multi-modal deep learning system for depression and anxiety detection [4.539240676216187]
  本稿では,自己管理型音声タスクからの抑うつと不安のスクリーニングのためのマルチモーダルシステムを提案する。 深層学習機能を備えた手作り機能の強化によって,F1の総合的な分類精度が向上することが判明した。
  論文  参考訳（メタデータ） (2022-12-30T00:02:58Z)
• 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)
• 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)
• Multimodal Depression Severity Prediction from medical bio-markers using Machine Learning Tools and Technologies [0.0]
  うつ病は世界中の精神疾患の主要な原因となっている。 近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。 ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
  論文  参考訳（メタデータ） (2020-09-11T20:44:28Z)

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。