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
- Identification of Cognitive Decline from Spoken Language through Feature
Selection and the Bag of Acoustic Words Model [0.0]
記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。
臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。
この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
論文 参考訳(メタデータ) (2024-02-02T17:06:03Z) - 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) - Hybrid Handcrafted and Learnable Audio Representation for Analysis of
Speech Under Cognitive and Physical Load [17.394964035035866]
音声におけるタスク負荷検出のための5つのデータセットを提案する。
音声記録は、ボランティアのコホートに認知的ストレスまたは身体的ストレスが引き起こされたとして収集された。
このデータセットを用いて、新たな自己教師型音声表現の設計と評価を行った。
論文 参考訳(メタデータ) (2022-03-30T19:43:21Z) - 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) - 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)
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。