論文の概要: ED-Filter: Dynamic Feature Filtering for Eating Disorder Classification
- arxiv url: http://arxiv.org/abs/2501.14785v1
- Date: Sat, 04 Jan 2025 13:35:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-02-02 09:19:38.254257
- Title: ED-Filter: Dynamic Feature Filtering for Eating Disorder Classification
- Title（参考訳）: ED-Filter: 摂食障害分類のための動的特徴フィルタ
- Authors: Mehdi Naseriparsa, Suku Sukunesan, Zhen Cai, Osama Alfarraj, Amr Tolba, Saba Fathi Rabooki, Feng Xia,
- Abstract要約: 摂食障害(英語: Eating disorders, ED)は、精神保健社会を脅かす重要な精神疾患である。
Twitterデータの高次元と広範な特徴セットは、ED分類において顕著な課題を示している。
ED-Filter として知られる新しい手法,情報分岐,有界探索手法を提案する。
- 参考スコア（独自算出の注目度）: 4.296706390784109
- License:
- Abstract: Eating disorders (ED) are critical psychiatric problems that have alarmed the mental health community. Mental health professionals are increasingly recognizing the utility of data derived from social media platforms such as Twitter. However, high dimensionality and extensive feature sets of Twitter data present remarkable challenges for ED classification. To overcome these hurdles, we introduce a novel method, an informed branch and bound search technique known as ED-Filter. This strategy significantly improves the drawbacks of conventional feature selection algorithms such as filters and wrappers. ED-Filter iteratively identifies an optimal set of promising features that maximize the eating disorder classification accuracy. In order to adapt to the dynamic nature of Twitter ED data, we enhance the ED-Filter with a hybrid greedy-based deep learning algorithm. This algorithm swiftly identifies sub-optimal features to accommodate the ever-evolving data landscape. Experimental results on Twitter eating disorder data affirm the effectiveness and efficiency of ED-Filter. The method demonstrates significant improvements in classification accuracy and proves its value in eating disorder detection on social media platforms.
- Abstract（参考訳）: 摂食障害(英語: Eating disorders, ED)は、精神保健社会を脅かす重要な精神疾患である。
メンタルヘルスの専門家は、Twitterのようなソーシャルメディアプラットフォームから派生したデータの有用性をますます認識している。
しかし、高次元かつ広範なTwitterデータの特徴集合は、ED分類において顕著な課題を呈している。
これらのハードルを克服するために,ED-Filter として知られる新しい手法,情報分岐と有界探索手法を提案する。
この戦略は、フィルタやラッパーといった従来の特徴選択アルゴリズムの欠点を大幅に改善する。
ED-Filterは、摂食障害の分類精度を最大化する、最適な特徴のセットを反復的に同定する。
我々は,Twitter EDデータの動的な性質に適応するために,ハイブリッドグリーディに基づくディープラーニングアルゴリズムを用いてED-Filterを強化する。
このアルゴリズムは、絶え間なく進化するデータランドスケープに対応するために、迅速に準最適特徴を識別する。
Twitterの摂食障害データによる実験結果から,ED-Filterの有効性と有効性が確認された。
本手法は, 分類精度を大幅に向上させ, ソーシャルメディアプラットフォーム上での摂食障害検出におけるその意義を実証する。
関連論文リスト
- AD-Net: Attention-based dilated convolutional residual network with guided decoder for robust skin lesion segmentation [0.0]
本研究では,拡張畳み込み残差ネットワークを用いたロバストなアプローチを提案する。
注意に基づく空間特徴拡張ブロック(ASFEB)を搭載し、ガイド付きデコーダ戦略を採用している。
提案したAD-Netの有効性を,4つの公開ベンチマークデータセットを用いて評価した。
論文 参考訳（メタデータ） (2024-09-09T08:21:17Z) - Unraveling the "Anomaly" in Time Series Anomaly Detection: A
Self-supervised Tri-domain Solution [89.16750999704969]
異常ラベルは時系列異常検出において従来の教師付きモデルを妨げる。
自己教師型学習のような様々なSOTA深層学習技術がこの問題に対処するために導入されている。
自己教師型3領域異常検出器(TriAD)を提案する。
論文 参考訳（メタデータ） (2023-11-19T05:37:18Z) - Automatic Depression Detection via Learning and Fusing Features from
Visual Cues [42.71590961896457]
本稿では,視覚的手がかりから特徴を学習し,融合させることにより,新しい自動抑うつ検出法を提案する。
本手法は,DAIC_WOZデータセット上での最先端性能を,他の視覚的特徴に基づく手法と比較して達成する。
論文 参考訳（メタデータ） (2022-03-01T09:28:12Z) - Data Augmentation for Mental Health Classification on Social Media [0.0]
オンライン利用者の精神障害はソーシャルメディア投稿を用いて決定される。
この領域における大きな課題は、ソーシャルメディアプラットフォーム上でユーザーが生成したテキストを使用するための倫理的クリアランスを活用することである。
メンタルヘルス分類のためのドメイン固有ユーザ生成テキストに対するデータ拡張手法の効果について検討した。
論文 参考訳（メタデータ） (2021-12-19T05:09:01Z) - Curvature-based Feature Selection with Application in Classifying
Electronic Health Records [13.427883408828642]
より正確な診断を支援するための効率的な曲率に基づく特徴選択法を提案する。
4つのベンチマークヘルスケアデータセットで最新のパフォーマンスを実現します。
論文 参考訳（メタデータ） (2021-01-10T16:55:40Z) - An Open-Source Dataset on Dietary Behaviors and DASH Eating Plan
Optimization Constraints [0.29298205115761694]
我々は、異なるグループの食行動、その人口統計、および既存の状況に基づいて、修正されたデータセットを提供する。
また,高血圧およびプレ糖尿病患者を対象に,標的食の利益を享受する興味のあるグループとして,調整したデータセットを提供する。
論文 参考訳（メタデータ） (2020-10-15T05:25:44Z) - Overcoming the curse of dimensionality with Laplacian regularization in
semi-supervised learning [80.20302993614594]
ラプラシア正規化の欠点を克服するための統計的解析を提供する。
望ましい振る舞いを示すスペクトルフィルタリング法を多数発表する。
我々は,本手法を大量のデータで利用できるようにするために,現実的な計算ガイドラインを提供する。
論文 参考訳（メタデータ） (2020-09-09T14:28:54Z) - DTR Bandit: Learning to Make Response-Adaptive Decisions With Low Regret [59.81290762273153]
動的治療体制 (DTR) はパーソナライズされ適応された多段階の治療計画であり、治療決定を個人の初期特徴に適応させ、その後の各段階における中間結果と特徴に適応させる。
本稿では,探索と搾取を慎重にバランスさせることで,遷移モデルと報酬モデルが線形である場合に,速度-最適後悔を実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-06T13:03:42Z) - Rectified Meta-Learning from Noisy Labels for Robust Image-based Plant
Disease Diagnosis [64.82680813427054]
植物病は食料安全保障と作物生産に対する主要な脅威の1つである。
1つの一般的なアプローチは、葉画像分類タスクとしてこの問題を変換し、強力な畳み込みニューラルネットワーク(CNN)によって対処できる。
本稿では,正規化メタ学習モジュールを共通CNNパラダイムに組み込んだ新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-17T09:51:30Z) - DADA: Differentiable Automatic Data Augmentation [58.560309490774976]
コストを大幅に削減する微分可能自動データ拡張(DADA)を提案する。
CIFAR-10, CIFAR-100, SVHN, ImageNetのデータセットについて広範な実験を行った。
その結果,DADAは最先端技術よりも1桁以上高速であり,精度は極めて高いことがわかった。
論文 参考訳（メタデータ） (2020-03-08T13:23:14Z) - Opportunities and Challenges of Deep Learning Methods for
Electrocardiogram Data: A Systematic Review [62.490310870300746]
心電図(Electrocardiogram、ECG)は、医学および医療において最も一般的に用いられる診断ツールの1つである。
深層学習法は心電図信号を用いた予測医療タスクにおいて有望な結果を得た。
本稿では、モデリングとアプリケーションの観点から、ECGデータに対するディープラーニング手法の体系的なレビューを行う。
論文 参考訳（メタデータ） (2019-12-28T02:44:29Z)
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。