論文の概要: MoodCapture: Depression Detection Using In-the-Wild Smartphone Images
- arxiv url: http://arxiv.org/abs/2402.16182v1
- Date: Sun, 25 Feb 2024 20:08:58 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-27 15:03:51.117803
- Title: MoodCapture: Depression Detection Using In-the-Wild Smartphone Images
- Title（参考訳）: MoodCapture: in-the-Wildスマートフォン画像による抑うつ検出
- Authors: Subigya Nepal, Arvind Pillai, Weichen Wang, Tess Griffin, Amanda C.
Collins, Michael Heinz, Damien Lekkas, Shayan Mirjafari, Matthew Nemesure,
George Price, Nicholas C. Jacobson, Andrew T. Campbell
- Abstract要約: MoodCaptureは、スマートフォンの前面カメラから自動的に撮影される画像に基づいて、うつ病を評価する新しいアプローチである。
うつ病と診断されたN=177人の被験者から,90日間,野生で125,000枚以上の写真を収集した。
分析では、角度、支配的な色、位置、物体、照明などの重要な画像特性について調べる。
- 参考スコア（独自算出の注目度）: 3.2284197884605916
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: MoodCapture presents a novel approach that assesses depression based on
images automatically captured from the front-facing camera of smartphones as
people go about their daily lives. We collect over 125,000 photos in the wild
from N=177 participants diagnosed with major depressive disorder for 90 days.
Images are captured naturalistically while participants respond to the PHQ-8
depression survey question: \textit{``I have felt down, depressed, or
hopeless''}. Our analysis explores important image attributes, such as angle,
dominant colors, location, objects, and lighting. We show that a random forest
trained with face landmarks can classify samples as depressed or non-depressed
and predict raw PHQ-8 scores effectively. Our post-hoc analysis provides
several insights through an ablation study, feature importance analysis, and
bias assessment. Importantly, we evaluate user concerns about using MoodCapture
to detect depression based on sharing photos, providing critical insights into
privacy concerns that inform the future design of in-the-wild image-based
mental health assessment tools.
- Abstract（参考訳）: moodcaptureは、スマートフォンの前面カメラから自動的に撮影された画像に基づいて、日常生活の中でうつ病を評価する新しいアプローチを提示している。
うつ病と診断されたN=177人の被験者から,90日間,野生で125,000枚以上の写真を収集した。
画像は自然に撮影され、参加者はPHQ-8うつ病調査の質問に答える: 'textit{``I have feel down, depressed, or hopeless'}。
分析では、角度、支配色、位置、物体、照明などの重要な画像属性を調査した。
フェースランドマークを訓練したランダム林では,標本を抑うつあるいは非抑うつと分類でき,生のphq-8スコアを効果的に予測できる。
ポストホック解析は,アブレーション研究,特徴量分析,バイアスアセスメントを通じて,いくつかの知見を提供する。
重要なことは、写真共有に基づく抑うつの検出にMoodCaptureを使用することに関するユーザの懸念を評価し、Wild画像ベースのメンタルヘルスアセスメントツールの将来設計を通知するプライバシーに関する重要な洞察を提供する。
関連論文リスト
- Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
英国在住の一般住民10,129名のデータを横断的に分析した。
参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。
気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
論文 参考訳（メタデータ） (2024-09-24T16:05:17Z) - Predicting Depression and Anxiety: A Multi-Layer Perceptron for
Analyzing the Mental Health Impact of COVID-19 [1.9809980686152868]
新型コロナウイルスのパンデミックに伴うメンタルヘルスの傾向を予測するため,多層パーセプトロン(MLP)であるCoDAPを導入した。
本手法は、米国成人の多様なコホートにおいて、最初の新型コロナウイルス波(2020年4月から6月)の間に、週10週間にわたってメンタルヘルスの症状を追跡した包括的データセットを用いている。
このモデルは、パンデミック中の不安や抑うつのパターンを予測するだけでなく、人口統計要因、行動の変化、および精神健康の社会的決定要因の相互作用に関する重要な洞察も明らかにしている。
論文 参考訳（メタデータ） (2024-03-09T22:49:04Z) - Identifying depression-related topics in smartphone-collected
free-response speech recordings using an automatic speech recognition system
and a deep learning topic model [7.825530847570242]
参加者265人を対象に,3919件のスマートフォンによる音声録音で29項目を抽出した。
PHQ-8の中央値が10以上の6つのトピックがうつ病のリスクトピックとみなされた。
また, 話題変化とうつ病重症度の変化との関係について検討した。
論文 参考訳（メタデータ） (2023-08-22T20:30:59Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - 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) - Perceptual Quality Assessment of Omnidirectional Images [81.76416696753947]
16のソース画像と320の歪み画像を含む全方位IQA (OIQA) データベースを最初に構築する。
そして、VR環境におけるOIQAデータベース上で主観的品質評価研究を行う。
原画像と歪んだ全方位画像、主観的品質評価、および頭部と眼の動きデータを合わせてOIQAデータベースを構成する。
論文 参考訳（メタデータ） (2022-07-06T13:40:38Z) - 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) - A Psychologically Informed Part-of-Speech Analysis of Depression in
Social Media [1.7188280334580193]
私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。
その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。
我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
論文 参考訳（メタデータ） (2021-07-31T16:23:22Z) - 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) - 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。