論文の概要: Analyzing the Effect of Data Impurity on the Detection Performances of
Mental Disorders
- arxiv url: http://arxiv.org/abs/2308.05133v1
- Date: Wed, 9 Aug 2023 13:13:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-11 14:49:38.554193
- Title: Analyzing the Effect of Data Impurity on the Detection Performances of
Mental Disorders
- Title(参考訳): データ不純物が精神障害の検出性能に及ぼす影響の分析
- Authors: Rohan Kumar Gupta and Rohit Sinha
- Abstract要約: 特定の精神障害が類似した症状を共有していることが広く認識されており、収集された行動データが複数の障害に関連する様々な属性を包含している。
本研究では,大うつ病 (MDD) と外傷後ストレス障害 (PTSD) の文脈におけるこの仮説について検討する。
これらのデータ不純物除去により,MDDおよびPTSD検出性能は大幅に向上した。
- 参考スコア(独自算出の注目度): 4.080594857690561
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The primary method for identifying mental disorders automatically has
traditionally involved using binary classifiers. These classifiers are trained
using behavioral data obtained from an interview setup. In this training
process, data from individuals with the specific disorder under consideration
are categorized as the positive class, while data from all other participants
constitute the negative class. In practice, it is widely recognized that
certain mental disorders share similar symptoms, causing the collected
behavioral data to encompass a variety of attributes associated with multiple
disorders. Consequently, attributes linked to the targeted mental disorder
might also be present within the negative class. This data impurity may lead to
sub-optimal training of the classifier for a mental disorder of interest. In
this study, we investigate this hypothesis in the context of major depressive
disorder (MDD) and post-traumatic stress disorder detection (PTSD). The results
show that upon removal of such data impurity, MDD and PTSD detection
performances are significantly improved.
- Abstract(参考訳): 精神障害を自動的に識別する主要な方法は、伝統的にバイナリ分類器を用いている。
これらの分類器は、面接設定から得られた行動データを用いて訓練される。
このトレーニングプロセスでは、特定の障害を持つ個人からのデータがポジティブクラスに分類され、他のすべての参加者からのデータがネガティブクラスに分類される。
実際には、特定の精神疾患が同様の症状を共有しており、収集された行動データが複数の障害に関連する様々な属性を包含していることが広く認識されている。
その結果、対象の精神障害に関連する属性も、負のクラスに存在している可能性がある。
このデータ不純物は、関心の精神障害に対する分類器の準最適訓練につながる可能性がある。
本研究では,大うつ病性障害(mdd)と外傷後ストレス障害検出(ptsd)の文脈でこの仮説を検討する。
これらのデータ不純物除去により,MDDおよびPTSD検出性能は大幅に向上した。
関連論文リスト
- Exploring the Task-agnostic Trait of Self-supervised Learning in the Context of Detecting Mental Disorders [2.314534951601432]
自己教師付き学習(SSL)は、様々な領域にまたがるタスクに依存しない表現を生成するために研究されている。
この研究では、複数の固定されたターゲットまたはマスクされたフレームを予測することでトレーニングされたSSLモデルを採用する。
本稿では,MDDおよびPTSDの検出において,生成した表現をより効率的にするための固定目標のリストを提案する。
論文 参考訳(メタデータ) (2024-03-22T12:46:58Z) - Your Model Is Not Predicting Depression Well And That Is Why: A Case
Study of PRIMATE Dataset [0.0]
ソーシャルメディアのテキストからNLPに基づく抑うつレベル推定に使用されるメンタルヘルスデータセットのアノテーションの品質について検討する。
本研究は,アノテーションの妥当性,特に関心の欠如や快楽症状に対する懸念を明らかにする。
Data Use Agreementの下でリリースされる当社の洗練されたアノテーションは、アンヘドニア検出のための高品質なテストセットを提供します。
論文 参考訳(メタデータ) (2024-03-01T10:47:02Z) - DenseNet and Support Vector Machine classifications of major depressive
disorder using vertex-wise cortical features [2.29023553248714]
大うつ病 (Major depressive disorder, MDD) は、世界中の数億の個人に影響を及ぼす複雑な精神疾患である。
ディープラーニングツールのニューロイメージングデータへの応用は、MDDの診断および予測バイオマーカーを提供する可能性がある。
MDD患者と健康管理 (HC) を線形機械学習による分節的大脳皮質の特徴に基づいて解離させる試みは, 精度が低いことが報告されている。
論文 参考訳(メタデータ) (2023-11-18T11:46:25Z) - Bayesian Networks for the robust and unbiased prediction of depression
and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文 参考訳(メタデータ) (2022-11-09T14:48:13Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳(メタデータ) (2022-11-08T17:29:40Z) - PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress
Disorder Recognition in Unconstrained Environments [9.272889136803212]
PTSDは慢性的な精神状態であり、破滅的な生命現象に反応して発達する。
本稿では,PTSD自動診断のための新しいビデオデータベースを公開し,注釈付けし,公開するために準備した。
野生データセットにおけるPTSDに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するためのベンチマークを提供する。
論文 参考訳(メタデータ) (2022-09-28T13:30:26Z) - Discovering Behavioral Predispositions in Data to Improve Human Activity
Recognition [1.2961180148172198]
本研究は,患者が特定の行動を示す傾向のある日や週の特定の時間に観察を行うことにより,認識性能を向上させることを提案する。
クラスタ内のすべての時間セグメントは、同じ挙動からなり、従って振舞い前沈着(BPD)を示す。
実験により、時間セグメント当たりのBPDが分かっている場合、活動認識性能が大幅に向上することが実証された。
論文 参考訳(メタデータ) (2022-07-18T10:07:15Z) - Towards Unbiased Visual Emotion Recognition via Causal Intervention [63.74095927462]
本稿では,データセットバイアスによる負の効果を軽減するために,新しい感情認識ネットワーク(IERN)を提案する。
IERNの有効性を検証する一連の設計されたテストと、3つの感情ベンチマークの実験は、IERNが他の最先端のアプローチよりも優れていることを示した。
論文 参考訳(メタデータ) (2021-07-26T10:40:59Z) - 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) - 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) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
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。