論文の概要: Differential Private Federated Transfer Learning for Mental Health Monitoring in Everyday Settings: A Case Study on Stress Detection
- arxiv url: http://arxiv.org/abs/2402.10862v2
- Date: Mon, 29 Apr 2024 00:47:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-30 23:35:54.699087
- Title: Differential Private Federated Transfer Learning for Mental Health Monitoring in Everyday Settings: A Case Study on Stress Detection
- Title（参考訳）: 毎日のメンタルヘルスモニタリングのための差分私的フェデレーション伝達学習 : ストレス検出を事例として
- Authors: Ziyu Wang, Zhongqi Yang, Iman Azimi, Amir M. Rahmani,
- Abstract要約: メンタルヘルスの状況は、生活の質に対する悪影響を軽減するために、効率的なモニタリングを必要とする。
既存のアプローチは、現実世界のアプリケーションにおいて、特定のサイバー攻撃やデータ不足に対する脆弱性と戦っている。
メンタルヘルスモニタリングのための差分私的フェデレート・トランスファー学習フレームワークを導入し,データプライバシの向上とデータ満足度の向上を図る。
- 参考スコア（独自算出の注目度）: 4.439102809224707
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mental health conditions, prevalent across various demographics, necessitate efficient monitoring to mitigate their adverse impacts on life quality. The surge in data-driven methodologies for mental health monitoring has underscored the importance of privacy-preserving techniques in handling sensitive health data. Despite strides in federated learning for mental health monitoring, existing approaches struggle with vulnerabilities to certain cyber-attacks and data insufficiency in real-world applications. In this paper, we introduce a differential private federated transfer learning framework for mental health monitoring to enhance data privacy and enrich data sufficiency. To accomplish this, we integrate federated learning with two pivotal elements: (1) differential privacy, achieved by introducing noise into the updates, and (2) transfer learning, employing a pre-trained universal model to adeptly address issues of data imbalance and insufficiency. We evaluate the framework by a case study on stress detection, employing a dataset of physiological and contextual data from a longitudinal study. Our finding show that the proposed approach can attain a 10% boost in accuracy and a 21% enhancement in recall, while ensuring privacy protection.
- Abstract（参考訳）: 様々な人口層にまたがるメンタルヘルスの状況は、生活の質に悪影響を和らげるために効率的なモニタリングを必要とする。
メンタルヘルスモニタリングのためのデータ駆動手法の急増は、機密性のある健康データを扱う上でのプライバシー保護技術の重要性を浮き彫りにした。
メンタルヘルス監視のための連合学習の努力にもかかわらず、既存のアプローチは、特定のサイバー攻撃に対する脆弱性と、現実世界のアプリケーションにおけるデータ不足に苦慮している。
本稿では、メンタルヘルスモニタリングのための差分私的フェデレート・トランスファー学習フレームワークを導入し、データプライバシを高め、データ満足度を高める。
そこで我々は,(1)更新にノイズを導入して達成される差分プライバシー,(2)データ不均衡と不整合の問題に対処するために,事前学習されたユニバーサルモデルを用いて,フェデレーション学習を2つの重要な要素と統合した。
本研究では, ストレス検出のケーススタディとして, 縦断的研究による生理的, 文脈的データのデータセットを用いたフレームワークの評価を行った。
提案手法は,プライバシ保護を確保しつつ,精度が10%向上し,リコール率が21%向上することを示す。
関連論文リスト
- FedDP: Privacy-preserving method based on federated learning for histopathology image segmentation [2.864354559973703]
本稿では,医用画像データの分散特性とプライバシ感受性について,フェデレート学習フレームワークを用いて検討する。
提案手法であるFedDPは,がん画像データのプライバシーを効果的に保護しつつ,モデルの精度に最小限の影響を与える。
論文 参考訳（メタデータ） (2024-11-07T08:02:58Z) - Differential privacy for protecting patient data in speech disorder detection using deep learning [11.01272267983849]
本研究は,ディファレンシャルプライバシ(DP)が病的音声データに与える影響を初めて調べたものである。
プライバシー予算7.51のDPを用いたトレーニングでは,最大精度が3.85%低下した。
本研究は,スペイン語を話すパーキンソン病患者の小さなデータセットに対するアプローチを一般化するために検証した。
論文 参考訳（メタデータ） (2024-09-27T18:25:54Z) - Generating Synthetic Health Sensor Data for Privacy-Preserving Wearable Stress Detection [1.3604778572442302]
ストレスの瞬間に関連するマルチセンサ型スマートウォッチのヘルスリーダーのプライバシ・アウェア・シンセサイザー化について紹介する。
本手法は患者情報を保護するだけでなく,データ利用率の向上にも寄与する。
論文 参考訳（メタデータ） (2024-01-24T09:44:57Z) - Exploration of Adolescent Depression Risk Prediction Based on Census
Surveys and General Life Issues [7.774933303698165]
青年期におけるうつ病の頻度は着実に増加している。
尺度や面接に依存する従来の診断方法は、特に若者のうつ病を検出するには不十分である。
本研究では,高度不均衡な高次元データを管理する手法と,データ構造特性に合わせた適応予測手法を提案する。
論文 参考訳（メタデータ） (2024-01-06T09:14:25Z) - When Accuracy Meets Privacy: Two-Stage Federated Transfer Learning
Framework in Classification of Medical Images on Limited Data: A COVID-19
Case Study [77.34726150561087]
新型コロナウイルスのパンデミックが急速に広がり、世界の医療資源が不足している。
CNNは医療画像の解析に広く利用され、検証されている。
論文 参考訳（メタデータ） (2022-03-24T02:09:41Z) - Practical Challenges in Differentially-Private Federated Survival
Analysis of Medical Data [57.19441629270029]
本稿では,ニューラルネットワークの本質的特性を活用し,生存分析モデルの訓練過程を関連づける。
小さな医療データセットと少数のデータセンターの現実的な設定では、このノイズはモデルを収束させるのが難しくなります。
DPFed-post は,私的フェデレート学習方式に後処理の段階を追加する。
論文 参考訳（メタデータ） (2022-02-08T10:03:24Z) - Adherence Forecasting for Guided Internet-Delivered Cognitive Behavioral
Therapy: A Minimally Data-Sensitive Approach [59.535699822923]
インターネット提供型心理的治療(IDPT)は、メンタルヘルスのアクセシビリティを向上させるための効果的でスケーラブルな経路であると考えられている。
本研究は,最小限の敏感なログイン/ログアウトデータに依存しながら,自動アドバンス予測を行うディープラーニングアプローチを提案する。
提案されたセルフアテンションネットワークは、治療期間の1/3が経過した時点で、平均的バランスの正確さを70%以上達成した。
論文 参考訳（メタデータ） (2022-01-11T13:55:57Z) - Learning Language and Multimodal Privacy-Preserving Markers of Mood from
Mobile Data [74.60507696087966]
精神状態は、先進医療に共通する国でも診断されていない。
人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。
本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
論文 参考訳（メタデータ） (2021-06-24T17:46:03Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - COVI White Paper [67.04578448931741]
接触追跡は、新型コロナウイルスのパンデミックの進行を変える上で不可欠なツールだ。
カナダで開発されたCovid-19の公衆ピアツーピア接触追跡とリスク認識モバイルアプリケーションであるCOVIの理論的、設計、倫理的考察、プライバシ戦略について概説する。
論文 参考訳（メタデータ） (2020-05-18T07:40:49Z) - Anonymizing Data for Privacy-Preserving Federated Learning [3.3673553810697827]
我々は,フェデレートラーニングの文脈において,プライバシを提供するための最初の構文的アプローチを提案する。
当社のアプローチは,プライバシの保護レベルをサポートしながら,実用性やモデルの性能を最大化することを目的としている。
医療領域における2つの重要な課題について,100万人の患者の実世界電子健康データを用いて包括的実証評価を行った。
論文 参考訳（メタデータ） (2020-02-21T02:30:16Z)
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。