論文の概要: Towards More Efficient Depression Risk Recognition via Gait
- arxiv url: http://arxiv.org/abs/2310.06283v1
- Date: Tue, 10 Oct 2023 03:34:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-11 20:46:47.966886
- Title: Towards More Efficient Depression Risk Recognition via Gait
- Title（参考訳）: 歩行によるより効率的な抑うつリスク認識に向けて
- Authors: Min Ren, Muchan Tao, Xuecai Hu, Xiaotong Liu, Qiong Li, Yongzhen Huang
- Abstract要約: うつ病は世界中で2億8000万人を超える人に影響を及ぼす。早期発見とタイムリーな介入は、再発の促進、再発の防止、うつ病に伴う感情的・財政的負担の軽減に不可欠である。
歩行とうつ病リスクの相関が実証的に確立されている。
この研究はまず、1200人以上の個人、40,000人の歩行シーケンスを含む大規模な歩行データベースを構築し、6つの視点と3種類の服装をカバーした。
深層学習に基づくうつ病リスク認識モデルを提案し,手作りアプローチの限界を克服した。
- 参考スコア（独自算出の注目度）: 12.28595811609976
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Depression, a highly prevalent mental illness, affects over 280 million
individuals worldwide. Early detection and timely intervention are crucial for
promoting remission, preventing relapse, and alleviating the emotional and
financial burdens associated with depression. However, patients with depression
often go undiagnosed in the primary care setting. Unlike many physiological
illnesses, depression lacks objective indicators for recognizing depression
risk, and existing methods for depression risk recognition are time-consuming
and often encounter a shortage of trained medical professionals. The
correlation between gait and depression risk has been empirically established.
Gait can serve as a promising objective biomarker, offering the advantage of
efficient and convenient data collection. However, current methods for
recognizing depression risk based on gait have only been validated on small,
private datasets, lacking large-scale publicly available datasets for research
purposes. Additionally, these methods are primarily limited to hand-crafted
approaches. Gait is a complex form of motion, and hand-crafted gait features
often only capture a fraction of the intricate associations between gait and
depression risk. Therefore, this study first constructs a large-scale gait
database, encompassing over 1,200 individuals, 40,000 gait sequences, and
covering six perspectives and three types of attire. Two commonly used
psychological scales are provided as depression risk annotations. Subsequently,
a deep learning-based depression risk recognition model is proposed, overcoming
the limitations of hand-crafted approaches. Through experiments conducted on
the constructed large-scale database, the effectiveness of the proposed method
is validated, and numerous instructive insights are presented in the paper,
highlighting the significant potential of gait-based depression risk
recognition.
- Abstract（参考訳）: うつ病は世界中で2億8000万人以上の人に影響を与えている。
早期発見とタイムリーな介入は、寛解の促進、再発の防止、抑うつに関連する感情的および経済的負担の軽減に不可欠である。
しかし、うつ病患者はプライマリケアでは診断されないことが多い。
多くの生理学的疾患とは異なり、うつ病はうつ病のリスクを認識する客観的指標を欠いている。
歩行と抑うつリスクの相関が実証的に確立されている。
Gaitは有望な客観的バイオマーカーとして機能し、効率的で便利なデータ収集の利点を提供する。
しかし、現在の歩行に基づくうつ病リスクを認識する方法は、小さなプライベートデータセットでのみ検証され、研究目的の大規模な公開データセットが欠落している。
さらに、これらの手法は主に手作りの手法に限られる。
歩行は複雑な動きであり、手作り歩行の特徴は歩行とうつ病のリスクの間の複雑な関係のごく一部しか捉えていない。
そこで本研究ではまず,1200人以上,4万の歩容シーケンスを包含し,6つの視点と3種類の服装を包含する大規模歩容データベースを構築した。
2つの一般的な心理尺度がうつ病リスクアノテーションとして提供される。
その後,深層学習に基づくうつ病リスク認識モデルを提案し,手作りアプローチの限界を克服した。
構築した大規模データベース上で行った実験により,提案手法の有効性が検証され,多くの指導的洞察が論文に提示され,歩行に基づく抑うつリスク認識の意義を浮き彫りにした。
関連論文リスト
- Depression Detection on Social Media with Large Language Models [23.075317886505193]
抑うつ検出は、ソーシャルメディア上の投稿履歴を分析して、個人が抑うつに苦しむかどうかを判断することを目的としている。
本稿では,医学的知識と大規模言語モデルの最近の進歩を融合した,DORISと呼ばれる新規なうつ病検出システムを提案する。
論文 参考訳（メタデータ） (2024-03-16T01:01:16Z) - 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) - Depression Detection Using Digital Traces on Social Media: A
Knowledge-aware Deep Learning Approach [17.07576768682415]
うつ病は世界中でよく見られる病気だ。診断は困難であり、診断が下にある。
うつ病患者は、常に症状、主要なライフイベント、治療をソーシャルメディアで共有しているため、研究者はうつ病検出のためにソーシャルメディア上でユーザー生成のデジタルトレースに目を向けている。
本稿では,抑うつリスクのあるソーシャルメディア利用者を正確に検出し,その検出に寄与する重要な要因を説明するために,Deep Knowledge-Aware Depression Detection (DKDD)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-06T20:08:07Z) - Exploring Social Media for Early Detection of Depression in COVID-19
Patients [44.76299288962596]
早期に検出と介入は、新型コロナウイルス患者のうつ病のリスクを減少させる可能性がある。
我々は、感染前後のソーシャルメディア活動に関する情報を含む新型コロナウイルス患者のデータセットを管理した。
うつ病リスクの高いCOVID-19患者の特徴を明らかにするため,本データセットを広範囲に分析した。
論文 参考訳（メタデータ） (2023-02-23T14:13:52Z) - 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) - 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) - Psychiatric Scale Guided Risky Post Screening for Early Detection of
Depression [22.254532020321925]
うつ病は世界にとって顕著な健康上の課題であり、オンライン投稿からのうつ病の早期発見(ERD)は脅威に対処するための有望なテクニックである。
本稿では,臨床うつ病の尺度で定義した次元に関連する危険ポストを捕捉する精神科的尺度誘導型リスクポストスクリーニング法を提案する。
BERT (HAN-BERT) を内蔵した階層型注意ネットワークを提案する。
論文 参考訳（メタデータ） (2022-05-19T12:11:01Z) - Data set creation and empirical analysis for detecting signs of
depression from social media postings [0.0]
うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。
我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
論文 参考訳（メタデータ） (2022-02-07T10:24:33Z) - 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) - Anxiety Detection Leveraging Mobile Passive Sensing [53.11661460916551]
不安障害は、子供と成人の両方に影響を及ぼす最も一般的な精神医学的問題である。
スマートフォンから受動的かつ控えめなデータ収集を活用することは、古典的な方法の代替となるかもしれない。
eWellnessは、個人デバイスのセンサとユーザログデータの完全な適合性を、連続的かつ受動的に追跡するために設計された、実験的なモバイルアプリケーションである。
論文 参考訳（メタデータ） (2020-08-09T20:22:52Z)
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。