論文の概要: Beyond Questionnaires: Video Analysis for Social Anxiety Detection
- arxiv url: http://arxiv.org/abs/2501.05461v1
- Date: Thu, 26 Dec 2024 10:04:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-19 08:38:29.165246
- Title: Beyond Questionnaires: Video Analysis for Social Anxiety Detection
- Title（参考訳）: アンケートを超えて:社会的不安検出のためのビデオ分析
- Authors: Nilesh Kumar Sahu, Nandigramam Sai Harshit, Rishabh Uikey, Haroon R. Lone,
- Abstract要約: 社会的不安障害(英語版) (SAD) は個人の日常生活や関係に大きな影響を及ぼす。
SAD検出の従来の方法には、身体的相談や自己報告のアンケートが含まれる。
本稿では,早期SAD検出法としてビデオ解析を導入する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Social Anxiety Disorder (SAD) significantly impacts individuals' daily lives and relationships. The conventional methods for SAD detection involve physical consultations and self-reported questionnaires, but they have limitations such as time consumption and bias. This paper introduces video analysis as a promising method for early SAD detection. Specifically, we present a new approach for detecting SAD in individuals from various bodily features extracted from the video data. We conducted a study to collect video data of 92 participants performing impromptu speech in a controlled environment. Using the video data, we studied the behavioral change in participants' head, body, eye gaze, and action units. By applying a range of machine learning and deep learning algorithms, we achieved an accuracy rate of up to 74\% in classifying participants as SAD or non-SAD. Video-based SAD detection offers a non-intrusive and scalable approach that can be deployed in real-time, potentially enhancing early detection and intervention capabilities.
- Abstract（参考訳）: 社会的不安障害(英語版) (SAD) は個人の日常生活や関係に大きな影響を及ぼす。
従来のSAD検出手法は, 身体的相談や自己報告型アンケートを含むが, 時間消費や偏見などの制限がある。
本稿では,早期SAD検出法としてビデオ解析を導入する。
具体的には、ビデオデータから抽出した様々な身体的特徴から個人におけるSADを検出するための新しいアプローチを提案する。
制御環境下で即興音声を行う92人の参加者の映像データを収集する研究を行った。
ビデオデータを用いて,被験者の頭部,体,視線,行動単位の行動変化について検討した。
機械学習およびディープラーニングアルゴリズムの適用により、参加者をSADまたは非SADに分類する際の精度を最大74倍に向上した。
ビデオベースのSAD検出は、非侵襲的でスケーラブルなアプローチを提供する。
関連論文リスト
- A Novel Multimodal System to Predict Agitation in People with Dementia Within Clinical Settings: A Proof of Concept [1.3810130040348885]
認知症(PwD)に罹患する人々の不安と攻撃性(Agitation and Aegression, AAA)は、苦痛と医療需要の増加に寄与する。
本稿では,EmbracePlusリストバンドとビデオ検出システムを利用して,マルチモーダルアプローチを統合する5年間の研究システムを提案する。
このシステムは、EmbracePlusリストバンドから生およびデジタルバイオマーカーを収集し、処理し、AAを正確に予測する。
論文 参考訳（メタデータ） (2024-10-26T02:59:34Z) - Detection of Mild Cognitive Impairment Using Facial Features in Video
Conversations [4.229544696616341]
軽度認知障害(MCI)の早期発見は、MCIから認知症への進行を遅らせるための早期介入につながる。
Deep Learning (DL)アルゴリズムは、初期の非侵襲的で低コストなMCI検出を実現するのに役立つ。
本報告では, 高齢者におけるMCIの検出について, 家庭内会話から抽出した顔の特徴のみに基づくDLモデルを用いて検討する。
論文 参考訳（メタデータ） (2023-08-29T20:45:41Z) - Unsupervised Video Anomaly Detection for Stereotypical Behaviours in
Autism [20.09315869162054]
本稿では,コンピュータビジョン技術を用いてステレオタイプ行動を自動的に検出することに焦点を当てる。
本研究では、人間のポーズの時間的軌跡と人間の行動の反復パターンに基づいて、ステレオタイプ行動検出のためのデュアルストリーム深度モデル(DS-SBD)を提案する。
論文 参考訳（メタデータ） (2023-02-27T13:24:08Z) - Predicting mental health using social media: A roadmap for future
development [0.0]
うつ病や自殺などの精神障害は、世界中で3億人以上の人々に影響を及ぼす。
ソーシャルメディア上では、精神障害の症状が観察され、自動化されたアプローチがそれらを検出する能力が高まっている。
この研究は、精神状態検出を機械学習技術に基づいて行うことができる分析のロードマップを提供する。
論文 参考訳（メタデータ） (2023-01-25T08:08:29Z) - Remote Medication Status Prediction for Individuals with Parkinson's
Disease using Time-series Data from Smartphones [75.23250968928578]
本稿では,パーキンソン病患者のmPowerデータセットを用いて薬剤状態を予測する方法を提案する。
提案手法は,3つの薬物状態を客観的に予測する上で有望な結果を示す。
論文 参考訳（メタデータ） (2022-07-26T02:08:08Z) - Leveraging Real Talking Faces via Self-Supervision for Robust Forgery
Detection [112.96004727646115]
本研究では,実話を用いた顔操作映像の検出手法を開発した。
本手法は, クロスマニピュレーションの一般化とロバストネス実験における最先端性能を実現する。
以上の結果から、より堅牢な顔偽造検知器の開発には、自然ビデオと未表示ビデオの活用が有望な方向であることが示唆された。
論文 参考訳（メタデータ） (2022-01-18T17:14:54Z) - Leveraging Human Selective Attention for Medical Image Analysis with
Limited Training Data [72.1187887376849]
選択的な注意機構は、注意散らしの存在を無視することで、認知システムがタスク関連視覚的手がかりに焦点を合わせるのに役立つ。
本稿では,医療画像解析タスクにおいて,小さなトレーニングデータを用いたガベージを利用したフレームワークを提案する。
本手法は腫瘍の3次元分割と2次元胸部X線分類において優れた性能を示す。
論文 参考訳（メタデータ） (2021-12-02T07:55:25Z) - Designing A Clinically Applicable Deep Recurrent Model to Identify
Neuropsychiatric Symptoms in People Living with Dementia Using In-Home
Monitoring Data [52.40058724040671]
鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。
扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。
本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
論文 参考訳（メタデータ） (2021-10-19T11:45:01Z) - Deep 3D-CNN for Depression Diagnosis with Facial Video Recording of
Self-Rating Depression Scale Questionnaire [12.286463299994027]
我々は200人の参加者からなる新しいデータセットを用いて、自己評価アンケートの有効性と、それに伴う質問・バイ・クエストのビデオ記録を実証する。
我々は,質問応答と応答時間に基づいて,悲しみを自動的に解釈する顔映像記録をエンドツーエンドで処理するシステムを提供する。
より正確な自己診断のために, 顔画像記録とSDSスコアの併用の有効性を示した。
論文 参考訳（メタデータ） (2021-07-22T14:37:00Z) - 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) - 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。