論文の概要: Decoding Emotion: Speech Perception Patterns in Individuals with Self-reported Depression

• arxiv url: http://arxiv.org/abs/2412.20213v1
• Date: Sat, 28 Dec 2024 16:54:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 16:07:31.289572
• Title: Decoding Emotion: Speech Perception Patterns in Individuals with Self-reported Depression
• Title（参考訳）: デコード感情:自己報告型抑うつ者における音声知覚パターン
• Authors: Guneesh Vats, Priyanka Srivastava, Chiranjeevi Yarra,
• Abstract要約: 本研究は, 自己報告型抑うつとインド住民の感情音声知覚との関連について検討した。 いずれの感情刺激にも抑うつ群と非抑うつ群の間に有意な差は認められなかった。 うつ病によるPANASスコアは,非抑うつ群よりも有意に高かった。
• 参考スコア（独自算出の注目度）: 3.5047438945401717
• License:
• Abstract: The current study examines the relationship between self-reported depression and the perception of affective speech within the Indian population. PANAS and PHQ-9 were used to assess current mood and depression, respectively. Participants' emotional reactivity was recorded on a valence and arousal scale against the affective speech audio presented in a sequence. No significant differences between the depression and no-depression groups were observed for any of the emotional stimuli, except the audio file depicting neutral emotion. Significantly higher PANAS scores by the depression than the no-depression group indicate the impact of pre-disposed mood on the current mood status. Contrary to previous findings, this study did not observe reduced positive emotional reactivity by the depression group. However, the results demonstrated consistency in emotional reactivity for speech stimuli depicting sadness and anger across all measures of emotion perception.
• Abstract（参考訳）: 本研究は、自己報告型うつ病とインド人住民における感情的スピーチの知覚との関係について検討する。 PANASとPHQ-9は、それぞれ現在の気分と抑うつを評価するために使用された。 参加者の感情的反応は, 連続した感情音声に対して, 原子価と覚醒尺度で記録された。 抑うつ群と非抑うつ群の間に有意な差は認められなかった。 うつ病によるPANASスコアは,非抑うつ群よりも有意に高かった。 以上の結果とは対照的に,抑うつ群による肯定的感情反応性の低下は観察されなかった。 しかし, 感情知覚のすべての尺度において, 悲しみと怒りを表現した音声刺激に対する感情反応性の整合性を示した。

関連論文リスト

• Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism [0.0]
  うつ病は、あなたの感情、思考、行動、そして世界の全体的な知覚に悪影響を及ぼす、一般的で深刻な精神状態である。 うつ病の症状が明らかでないため、うつ病を患っているかどうかを判断するのは複雑である。 うつ状態の人々は不快感、悲しみを表現し、ゆっくり話し、震え、声の感情を失うことがある。 本研究では,ダイナミック・コンボリューショナル・ブロック・アテンション・モジュール (Dynamic Convolutional Block Attention Module, Dynamic-CBAM) を提案する。
  論文  参考訳（メタデータ） (2024-12-11T18:52:39Z)
• Investigating Acoustic-Textual Emotional Inconsistency Information for Automatic Depression Detection [18.797661194307683]
  従来の研究では、単一の音響的感情ラベルからの感情的特徴がうつ病の診断精度を高めることが示されている。 うつ病の人は、意外にも穏やかな方法で否定的な感情的内容を伝えるかもしれない。 この研究は、感情的表現の不整合情報をうつ病検出に組み込んだ最初のものである。
  論文  参考訳（メタデータ） (2024-12-09T02:52:52Z)
• CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
  既存のアプローチは、苦痛の感情の原因を無視します。 彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。 本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
  論文  参考訳（メタデータ） (2024-01-31T11:30:24Z)
• 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)
• Speech Synthesis with Mixed Emotions [77.05097999561298]
  異なる感情の音声サンプル間の相対的な差を測定する新しい定式化を提案する。 次に、私たちの定式化を、シーケンスからシーケンスまでの感情的なテキストから音声へのフレームワークに組み込む。 実行時に、感情属性ベクトルを手動で定義し、所望の感情混合を生成するためにモデルを制御する。
  論文  参考訳（メタデータ） (2022-08-11T15:45:58Z)
• Climate and Weather: Inspecting Depression Detection via Emotion Recognition [25.290414205116107]
  本稿では,うつ病検出のための感情認識モデルから抽出した事前学習特徴を用いて,マルチモーダルうつ病検出を行う。 提案した感情伝達により,DAIC-WOZの抑うつ検出性能が向上し,トレーニング安定性が向上する。
  論文  参考訳（メタデータ） (2022-04-29T13:44:22Z)
• Emotion Intensity and its Control for Emotional Voice Conversion [77.05097999561298]
  感情音声変換(EVC)は、言語内容と話者のアイデンティティを保ちながら、発話の感情状態を変換しようとする。 本稿では,感情の強さを明示的に表現し,制御することを目的とする。 本稿では,話者スタイルを言語内容から切り離し,連続した空間に埋め込み,感情埋め込みのプロトタイプを形成するスタイルに符号化することを提案する。
  論文  参考訳（メタデータ） (2022-01-10T02:11:25Z)
• 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)
• MIME: MIMicking Emotions for Empathetic Response Generation [82.57304533143756]
  共感応答生成への現在のアプローチは、入力テキストで表現された感情の集合を平らな構造として見る。 共感反応は, 肯定的, 否定的, 内容に応じて, ユーザの感情を様々な程度に模倣することが多い。
  論文  参考訳（メタデータ） (2020-10-04T00:35:47Z)
• Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews [0.0]
  抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。 我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。 我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
  論文  参考訳（メタデータ） (2020-06-04T20:55:22Z)
• Depressed individuals express more distorted thinking on social media [0.0]
  うつ病は世界中で障害の主な原因であるが、診断が不十分で治療が不十分であることが多い。 本稿では,うつ病を自覚した人は,無作為なサンプルよりも歪んだ思考のレベルが高いことを示す。 抑うつコホートでは, いくつかの歪んだ思考が, 特にパーソナライズと感情的推論の2倍以上の傾向を示した。
  論文  参考訳（メタデータ） (2020-02-07T14:18:53Z)

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。