論文の概要: Catching Elusive Depression via Facial Micro-Expression Recognition
- arxiv url: http://arxiv.org/abs/2307.15862v1
- Date: Sat, 29 Jul 2023 01:51:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 19:05:58.082550
- Title: Catching Elusive Depression via Facial Micro-Expression Recognition
- Title(参考訳): 顔面微小表現認識によるうつ病の捕捉
- Authors: Xiaohui Chen and Tie Luo
- Abstract要約: うつ病は一般的な精神疾患であり、継続的なうつ病の症状を引き起こすことがある。
うつ病の1つのカテゴリは、患者が故意または故意に自分の本質的な感情を隠蔽する、強制うつ病(Concealed Depression)である。
そこで本研究では,顔の微細な表現を用いて隠されたうつ病を診断し,根底にある真の感情を検出し,認識することを提案する。
- 参考スコア(独自算出の注目度): 17.236980932143855
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depression is a common mental health disorder that can cause consequential
symptoms with continuously depressed mood that leads to emotional distress. One
category of depression is Concealed Depression, where patients intentionally or
unintentionally hide their genuine emotions through exterior optimism, thereby
complicating and delaying diagnosis and treatment and leading to unexpected
suicides. In this paper, we propose to diagnose concealed depression by using
facial micro-expressions (FMEs) to detect and recognize underlying true
emotions. However, the extremely low intensity and subtle nature of FMEs make
their recognition a tough task. We propose a facial landmark-based
Region-of-Interest (ROI) approach to address the challenge, and describe a
low-cost and privacy-preserving solution that enables self-diagnosis using
portable mobile devices in a personal setting (e.g., at home). We present
results and findings that validate our method, and discuss other technical
challenges and future directions in applying such techniques to real clinical
settings.
- Abstract(参考訳): うつ病は一般的な精神疾患であり、連続的なうつ病の症状を引き起こし、感情的な苦悩を引き起こす。
うつ病の1つのカテゴリは「Concealed Depression」であり、患者は意図的または意図せずに、外的楽観主義を通じて真の感情を隠す。
そこで本研究では,顔面微小表現(fmes)を用いて真の感情の検出と認識を行い,うつ病の診断法を提案する。
しかし、FMEの極めて低い強度と微妙な性質は、その認識を困難にしている。
課題に対処するための顔のランドマークに基づくRegional-of-Interest(ROI)アプローチを提案し,携帯型モバイルデバイス(例えば自宅)を用いた自己診断を可能にする,低コストかつプライバシ保護ソリューションについて述べる。
本稿では,本手法の有効性を検証し,臨床応用における今後の課題と今後の方向性について考察する。
関連論文リスト
- Towards Privacy-aware Mental Health AI Models: Advances, Challenges, and Opportunities [61.633126163190724]
精神病は、社会的、個人的コストがかなり高い広範囲で不安定な状態である。
近年の人工知能(AI)の進歩は、うつ病、不安障害、双極性障害、統合失調症、外傷後ストレス障害などの病態を認識し、対処するための大きな可能性を秘めている。
データセットやトレーニング済みモデルからの機密データ漏洩のリスクを含むプライバシー上の懸念は、これらのAIシステムを実際の臨床環境にデプロイする上で、依然として重要な障壁である。
論文 参考訳(メタデータ) (2025-02-01T15:10:02Z) - Investigating Acoustic-Textual Emotional Inconsistency Information for Automatic Depression Detection [18.797661194307683]
従来の研究では、単一の音響的感情ラベルからの感情的特徴がうつ病の診断精度を高めることが示されている。
うつ病の人は、意外にも穏やかな方法で否定的な感情的内容を伝えるかもしれない。
この研究は、感情的表現の不整合情報をうつ病検出に組み込んだ最初のものである。
論文 参考訳(メタデータ) (2024-12-09T02:52:52Z) - Enhancing Depression-Diagnosis-Oriented Chat with Psychological State Tracking [27.96718892323191]
Depression-diagnosis-oriented chatは、自己表現の患者を誘導し、うつ病検出の主要な症状を収集することを目的としている。
最近の研究は、面接に基づくうつ病の診断をシミュレートするために、タスク指向対話とchitchatを組み合わせることに焦点を当てている。
対話をガイドするための明確なフレームワークは検討されていない。
論文 参考訳(メタデータ) (2024-03-12T07:17:01Z) - 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) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳(メタデータ) (2024-01-31T11:30:24Z) - 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) - 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) - Climate and Weather: Inspecting Depression Detection via Emotion
Recognition [25.290414205116107]
本稿では,うつ病検出のための感情認識モデルから抽出した事前学習特徴を用いて,マルチモーダルうつ病検出を行う。
提案した感情伝達により,DAIC-WOZの抑うつ検出性能が向上し,トレーニング安定性が向上する。
論文 参考訳(メタデータ) (2022-04-29T13:44:22Z) - 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) - Examining the Role of Mood Patterns in Predicting Self-Reported
Depressive symptoms [4.564132389935269]
うつ病は世界中で障害の主な原因である。
ソーシャルメディア投稿からうつ病信号を検出する最初の試みは、有望な結果を示している。
本研究では,ソーシャルメディア利用者を対象とした「ムードプロファイル」を構築し,うつ病の症状を検出するための現在の技術を強化することを試みる。
論文 参考訳(メタデータ) (2020-06-14T12:48:43Z) - Affective Conditioning on Hierarchical Networks applied to Depression
Detection from Transcribed Clinical Interviews [0.0]
抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。
我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。
我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
論文 参考訳(メタデータ) (2020-06-04T20:55:22Z)
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。