Fugu-MT 論文翻訳(概要): Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning

論文の概要: Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning

arxiv url: http://arxiv.org/abs/2307.00995v1
Date: Mon, 3 Jul 2023 13:18:55 GMT
ステータス: 処理完了
システム内更新日: 2023-07-05 12:58:53.613978
Title: Towards Suicide Prevention from Bipolar Disorder with Temporal Symptom-Aware Multitask Learning
Title（参考訳）: 時間的症状認識型マルチタスク学習による双極性障害の自殺予防に向けて
Authors: Daeun Lee, Sejung Son, Hyolim Jeon, Seungbae Kim, Jinyoung Han
Abstract要約: 本研究は,BD患者の症状を共同学習し,将来の自殺を予測できるマルチタスク学習モデルを提案する。精神科医が臨床的に検証した新しいBDデータセットを構築し、818人のBD患者によって書かれた双極性関連下垂体に関する14年間の投稿を含む。本実験は,BD症状の同定および今後の自殺予測タスクにおいて,提案モデルが最先端モデルより優れていることを示す。
参考スコア（独自算出の注目度）: 2.568321557055118
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Bipolar disorder (BD) is closely associated with an increased risk of suicide. However, while the prior work has revealed valuable insight into understanding the behavior of BD patients on social media, little attention has been paid to developing a model that can predict the future suicidality of a BD patient. Therefore, this study proposes a multi-task learning model for predicting the future suicidality of BD patients by jointly learning current symptoms. We build a novel BD dataset clinically validated by psychiatrists, including 14 years of posts on bipolar-related subreddits written by 818 BD patients, along with the annotations of future suicidality and BD symptoms. We also suggest a temporal symptom-aware attention mechanism to determine which symptoms are the most influential for predicting future suicidality over time through a sequence of BD posts. Our experiments demonstrate that the proposed model outperforms the state-of-the-art models in both BD symptom identification and future suicidality prediction tasks. In addition, the proposed temporal symptom-aware attention provides interpretable attention weights, helping clinicians to apprehend BD patients more comprehensively and to provide timely intervention by tracking mental state progression.
Abstract（参考訳）: 双極性障害(BD)は自殺リスクの増加と密接に関連している。しかし, ソーシャルメディア上でのBD患者の行動を理解するための貴重な知見は得られていないが, 今後BD患者の自殺を予測できるモデルの開発にはほとんど注意が払われている。そこで本研究では,BD患者の今後の自殺を予知するためのマルチタスク学習モデルを提案する。精神科医が臨床的に検証した新しいBDデータセットを構築し,BD患者818名による双極性関連下垂体に関する14年間の投稿と,今後の自殺やBD症状の注釈を作成した。また,BDポストの時系列を通して,将来の自殺予測に最も影響を及ぼす症状を決定するための時間的症状認識型注意機構を提案する。提案モデルがbd症状の同定と将来の自殺予測タスクにおいて最先端モデルを上回ることを実証した。さらに, 時制症状認識注意は, 解釈可能な注意重みを与え, 臨床医がbd患者をより包括的に把握し, 精神状態の進行を追跡することで, タイムリーな介入を可能にする。

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)
An Exploratory Deep Learning Approach for Predicting Subsequent Suicidal Acts in Chinese Psychological Support Hotlines [13.59130559079134]
自殺リスク評価のためのスケールベースの予測手法の精度は、オペレーターの専門性によって大きく異なる可能性がある。本研究は,中国における自殺リスクを予測するために,長期音声データにディープラーニングを適用した最初の事例である。
論文参考訳（メタデータ） (2024-08-29T11:51:41Z)
Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文参考訳（メタデータ） (2024-04-18T12:33:57Z)
Conceptualizing Suicidal Behavior: Utilizing Explanations of Predicted Outcomes to Analyze Longitudinal Social Media Data [2.76101452577748]
新型コロナウイルスのパンデミックは世界中でメンタルヘルスの危機をエスカレートしている。自殺は、恥、虐待、放棄、うつ病のような精神状態などの社会的要因によって引き起こされる。これらの状況が発展するにつれて、自殺的思考の兆候がソーシャルメディアの相互作用に現れる可能性がある。
論文参考訳（メタデータ） (2023-12-13T17:15:12Z)
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)
Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted Belongingness from Suicide Notes [51.378225388679425]
本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
論文参考訳（メタデータ） (2022-05-20T06:31:08Z)
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)
Characterization of Time-variant and Time-invariant Assessment of Suicidality on Reddit using C-SSRS [9.424631103856596]
Redditデータから,重症度と時間性の観点から自殺リスクを評価するディープラーニングアルゴリズムを開発した。本研究では, 時間変動アプローチが自殺関連思考と支持行動の評価において時間不変手法を上回っていることを示唆した。提案手法は臨床診断面接と統合して自殺リスク評価を改善することができる。
論文参考訳（メタデータ） (2021-04-09T01:39:41Z)
Modelling Paralinguistic Properties in Conversational Speech to Detect Bipolar Disorder and Borderline Personality Disorder [14.766941144375146]
視認性シグネチャー変換を用いた短期機能モデリングの新たなアプローチを提案する。 BDとBPDの特徴づけにおけるさまざまな機能セットの役割を示します。
論文参考訳（メタデータ） (2021-02-18T20:47:03Z)
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)

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。