Fugu-MT 論文翻訳(概要): Depression and Anxiety Prediction Using Deep Language Models and Transfer Learning

論文の概要: Depression and Anxiety Prediction Using Deep Language Models and Transfer Learning

arxiv url: http://arxiv.org/abs/2412.20741v1
Date: Mon, 30 Dec 2024 06:33:39 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-31 16:01:13.030743
Title: Depression and Anxiety Prediction Using Deep Language Models and Transfer Learning
Title（参考訳）: 深層言語モデルと伝達学習を用いた抑うつ・不安予測
Authors: Tomasz Rutowski, Elizabeth Shriberg, Amir Harati, Yang Lu, Piotr Chlebek, Ricardo Oliveira,
Abstract要約: アプリケーションとの16kユーザインタラクション中に収集された会話音声から、抑うつ、不安、およびそれらの共起を検出するための深層言語モデルについて検討する。 2値分類の結果は、条件や共起に応じて0.86から0.79AUCの範囲であることがわかった。
参考スコア（独自算出の注目度）: 8.677511646372086
License:
Abstract: Digital screening and monitoring applications can aid providers in the management of behavioral health conditions. We explore deep language models for detecting depression, anxiety, and their co-occurrence from conversational speech collected during 16k user interactions with an application. Labels come from PHQ-8 and GAD-7 results also collected by the application. We find that results for binary classification range from 0.86 to 0.79 AUC, depending on condition and co-occurrence. Best performance is achieved when a user has either both or neither condition, and we show that this result is not attributable to data skew. Finally, we find evidence suggesting that underlying word sequence cues may be more salient for depression than for anxiety.
Abstract（参考訳）: デジタルスクリーニングおよびモニタリングアプリケーションは、プロバイダーが行動の健康状態を管理するのに役立つ。アプリケーションとの16kユーザインタラクション中に収集された会話音声から、抑うつ、不安、およびそれらの共起を検出するための深層言語モデルについて検討する。 PHQ-8とGAD-7のラベルもアプリケーションによって収集されている。 2値分類の結果は、条件や共起に応じて0.86から0.79AUCの範囲であることがわかった。ユーザがいずれかの条件を持つ場合、最高のパフォーマンスが得られ、この結果がデータスキューに起因するものではないことを示す。最後に、不安よりも抑うつには、基礎となる単語列の手がかりがより健全であることを示す証拠を見出した。

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)
Enhancing Depression Diagnosis with Chain-of-Thought Prompting [1.8532406942078647]
我々は,患者健康アンケート8(PHQ-8)のスコアを評価するためのチェーン・オブ・シント(CoT)を用いることで,AIモデルによるスコアの精度が向上すると考えている。私たちの目標は、AIモデルによる人間の会話の複雑さに対する理解を広げ、患者の感情やトーンをより効果的に評価できるようにすることです。
論文参考訳（メタデータ） (2024-08-26T07:19:07Z)
We Care: Multimodal Depression Detection and Knowledge Infused Mental Health Therapeutic Response Generation [41.09752906121257]
拡張D-vlogデータセットは1,261のYouTube vlogのコレクションを含む。本稿では,認知行動療法(Cognitive Behavioral Therapy, CBT)をベースとした, メンタルヘルス患者の初期接触として機能する仮想エージェントについて紹介する。私たちのMistralモデルは歪み評価と分類で70.1%、30.9%、ベルトスコア88.7%を達成しました。
論文参考訳（メタデータ） (2024-06-15T08:41:46Z)
DAIC-WOZ: On the Validity of Using the Therapist's prompts in Automatic Depression Detection from Clinical Interviews [39.08557916089242]
近年の研究では、インタビュアーのプロンプトをモデルに組み込んだ場合の性能向上が報告されている。インタビュアーのプロンプトを用いたモデルでは,過去のメンタルヘルス問題に関する質問が質問されるインタビューの特定の領域に焦点を絞ることが分かる。故意に利用することで0.90F1のスコアを得ることができ、このデータセットで報告された最も高い結果は、テキスト情報のみを用いてである。
論文参考訳（メタデータ） (2024-04-22T09:07:50Z)
The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文参考訳（メタデータ） (2023-07-06T09:54:35Z)
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)
Journaling Data for Daily PHQ-2 Depression Prediction and Forecasting [47.93070579578704]
我々は,新たに収集した時系列データセット上で,アクティブに収集されたデータを用いて,毎日のPHQ-2スコアを予測し,予測する可能性を探る。 PHQ-2 スコアの日次予測には 1.417 の MAE が最適である。これは、うつ病モニタリングアプリケーションにアクティブに収集されたデータを組み込むことで得られる付加価値を示す。
論文参考訳（メタデータ） (2022-05-06T17:47:05Z)
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)
NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
論文参考訳（メタデータ） (2021-02-10T13:00:29Z)
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)
Towards Preemptive Detection of Depression and Anxiety in Twitter [14.877991297466174]
うつ病と不安は、日常生活の多くの領域で観察される精神疾患である。我々は、Twitterにおけるうつ病と不安検出の研究を促進するために設計されたデータセットを開発した。
論文参考訳（メタデータ） (2020-11-10T17:17:23Z)

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。