論文の概要: A Hybrid Approach for Depression Classification: Random Forest-ANN Ensemble on Motor Activity Signals

• arxiv url: http://arxiv.org/abs/2310.09277v1
• Date: Fri, 13 Oct 2023 17:39:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-16 11:40:22.466916
• Title: A Hybrid Approach for Depression Classification: Random Forest-ANN Ensemble on Motor Activity Signals
• Title（参考訳）: 抑うつ分類のためのハイブリッドアプローチ:運動活動信号のランダムフォレスト-ANNアンサンブル
• Authors: Anket Patil, Dhairya Shah, Abhishek Shah, Mokshit Gala
• Abstract要約: ウェアラブルセンサーは、メンタルヘルスの問題を追跡し、理解する潜在的な手段を提供する。 近年の研究では、これらのセンサーと機械学習の手法を併用して、異なる精神状態に関連するパターンを特定している。 本稿では、うつ病患者のセンサデータを評価するために最適化されたHybrid Random forest - Neural Networkと呼ばれる新しいアルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 4.798808180453298
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Regarding the rising number of people suffering from mental health illnesses in today's society, the importance of mental health cannot be overstated. Wearable sensors, which are increasingly widely available, provide a potential way to track and comprehend mental health issues. These gadgets not only monitor everyday activities but also continuously record vital signs like heart rate, perhaps providing information on a person's mental state. Recent research has used these sensors in conjunction with machine learning methods to identify patterns relating to different mental health conditions, highlighting the immense potential of this data beyond simple activity monitoring. In this research, we present a novel algorithm called the Hybrid Random forest - Neural network that has been tailored to evaluate sensor data from depressed patients. Our method has a noteworthy accuracy of 80\% when evaluated on a special dataset that included both unipolar and bipolar depressive patients as well as healthy controls. The findings highlight the algorithm's potential for reliably determining a person's depression condition using sensor data, making a substantial contribution to the area of mental health diagnostics.
• Abstract（参考訳）: 現在の社会における精神疾患に苦しむ人々の増加について、精神保健の重要性は過大評価されない。 ウェアラブルセンサーはますます普及し、メンタルヘルスの問題をトラッキングし理解する潜在的な手段を提供する。 これらのガジェットは日常の活動をモニターするだけでなく、心拍数などのバイタルサインを継続的に記録し、おそらく人の精神状態に関する情報を提供する。 最近の研究は、これらのセンサーと機械学習の手法を併用して、精神状態の異なるパターンを識別し、このデータの潜在的ポテンシャルを単純な活動監視を超えて強調している。 本研究では,うつ病患者のセンサデータを評価するために調整された,ハイブリッドランダムフォレストニューラルネットワークと呼ばれる新しいアルゴリズムを提案する。 本手法は単極性および双極性うつ病患者と健常者の両方を含む特別なデータセットで評価すると80%の精度が得られた。 以上より,センサデータを用いて抑うつ状態を確実に判定するアルゴリズムの可能性を強調し,メンタルヘルス診断の分野に大きく貢献した。

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)
• Mental-Perceiver: Audio-Textual Multimodal Learning for Mental Health Assessment [10.584792972403596]
  不安や抑うつといった精神障害は、さまざまな年齢の人々の生活に影響を及ぼす世界的な問題となっている。 我々は,マンダリン話者の不安と抑うつ評価に関する大規模テキストbfMulti-textbfModal textbfpsychological Assessment corpus (MMPsy)を構築した。 我々のデータセットには、不安評価のためのインタビューの7,700件、うつ病評価のための4,200件以上の記録が含まれています。
  論文  参考訳（メタデータ） (2024-08-22T02:54:52Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• DEPAC: a Corpus for Depression and Anxiety Detection from Speech [3.2154432166999465]
  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。
  論文  参考訳（メタデータ） (2023-06-20T12:21:06Z)
• 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)
• 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)
• 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)
• 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。