論文の概要: Early Detection of Mental Health Issues Using Social Media Posts
- arxiv url: http://arxiv.org/abs/2503.07653v1
- Date: Thu, 06 Mar 2025 23:08:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-12 15:44:57.870521
- Title: Early Detection of Mental Health Issues Using Social Media Posts
- Title（参考訳）: ソーシャルメディア投稿を用いたメンタルヘルス問題の早期発見
- Authors: Qasim Bin Saeed, Ijaz Ahmed,
- Abstract要約: Redditのようなソーシャルメディアプラットフォームは、ユーザー生成コンテンツの豊富なソースを表している。
メンタルヘルス危機の早期発見に言語的特徴と時間的特徴を統合したマルチモーダルディープラーニングフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: The increasing prevalence of mental health disorders, such as depression, anxiety, and bipolar disorder, calls for immediate need in developing tools for early detection and intervention. Social media platforms, like Reddit, represent a rich source of user-generated content, reflecting emotional and behavioral patterns. In this work, we propose a multi-modal deep learning framework that integrates linguistic and temporal features for early detection of mental health crises. Our approach is based on the method that utilizes a BiLSTM network both for text and temporal feature analysis, modeling sequential dependencies in a different manner, capturing contextual patterns quite well. This work includes a cross-modal attention approach that allows fusion of such outputs into context-aware classification of mental health conditions. The model was then trained and evaluated on a dataset of labeled Reddit posts preprocessed using text preprocessing, scaling of temporal features, and encoding of labels. Experimental results indicate that the proposed architecture performs better compared to traditional models with a validation accuracy of 74.55% and F1-Score of 0.7376. This study presents the importance of multi-modal learning for mental health detection and provides a baseline for further improvements by using more advanced attention mechanisms and other data modalities.
- Abstract（参考訳）: うつ病、不安症、双極性障害などの精神疾患の流行は、早期発見と介入のためのツールの開発に即時の必要性を訴えている。
Redditのようなソーシャルメディアプラットフォームは、ユーザー生成コンテンツの豊富な源泉であり、感情的および行動的パターンを反映している。
本研究では,精神疾患の早期発見のための言語的特徴と時間的特徴を統合したマルチモーダルディープラーニングフレームワークを提案する。
本手法は,テキストと時間的特徴解析の両方にBiLSTMネットワークを利用する手法をベースとして,逐次的依存関係を異なる方法でモデル化し,コンテキストパターンをうまくキャプチャする手法である。
この研究には、このようなアウトプットをコンテキスト対応のメンタルヘルス状態の分類に融合させる、モーダル・アテンション・アプローチが含まれる。
その後、テキスト前処理、時間的特徴のスケーリング、ラベルのエンコーディングを使用して、ラベル付きRedditポストのデータセットでトレーニングされ、評価された。
実験結果から,提案アーキテクチャは従来のモデルに比べて74.55%,F1スコア0.7376の精度で性能がよいことがわかった。
本研究は、メンタルヘルス検出におけるマルチモーダル学習の重要性を示し、より高度な注意機構やその他のデータモダリティを用いて、さらなる改善のためのベースラインを提供する。
関連論文リスト
- Innovative Framework for Early Estimation of Mental Disorder Scores to Enable Timely Interventions [0.9297614330263184]
本稿では,PTSDとうつ病の自動分類のための高度なマルチモーダル深層学習システムについて述べる。
提案手法は, うつ病では92%, PTSDでは93%の分類精度を達成し, 従来の単潮流法よりも優れていた。
論文 参考訳（メタデータ） (2025-02-06T10:57:10Z) - Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [84.03001845263]
神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。
伝統的な物語分析は、しばしば単語の使用法や構文など、ミクロ構造における局所的な指標に焦点を当てる。
本稿では,話題の変化,時間的ダイナミクス,物語の時間的コヒーレンスを分析することによって,特定の認知的・言語的課題を解明することを提案する。
論文 参考訳（メタデータ） (2025-01-07T12:16:26Z) - Medical Vision-Language Pre-Training for Brain Abnormalities [96.1408455065347]
本稿では,PubMedなどの公共リソースから,医用画像・テキスト・アライメントデータを自動的に収集する方法を示す。
特に,まず大きな脳画像テキストデータセットを収集することにより,事前学習プロセスの合理化を図るパイプラインを提案する。
また,医療領域におけるサブフィギュアをサブキャプションにマッピングするというユニークな課題についても検討した。
論文 参考訳（メタデータ） (2024-04-27T05:03:42Z) - A Simple and Flexible Modeling for Mental Disorder Detection by Learning
from Clinical Questionnaires [0.2580765958706853]
そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。
詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
論文 参考訳（メタデータ） (2023-06-05T15:23:55Z) - Dynamic Graph Representation Learning for Depression Screening with
Transformer [13.551342607089184]
ソーシャルメディアプラットフォームは、メンタルヘルスを調査し、精神疾患の事例を検出する研究機会を提供する。
既存の抑うつ検出手法は,特徴工学への依存と時間的要因の考慮の欠如により制約される。
提案するContrastEgoは,各ユーザを動的時間進化型属性グラフ(ego-network)として扱う。
ContrastEgoは、様々な実験環境におけるすべての有効性指標において、最先端の手法を著しく上回っていることを示す。
論文 参考訳（メタデータ） (2023-05-10T20:34:40Z) - Exploring Hybrid and Ensemble Models for Multiclass Prediction of Mental
Health Status on Social Media [27.799032561722893]
Redditのソーシャルメディア投稿から,不安,注意欠陥多動性障害,双極性障害,外傷後ストレス障害,抑うつ,心理的ストレス)の6つの症状を予測する実験を報告する。
変圧器アーキテクチャ(BERT,RoBERTa)とBiLSTMニューラルネットワークを利用したハイブリッド・アンサンブルモデルの性能について検討・比較を行った。
また,特定の精神状態の指標として,どのような特徴が最も重要であるかを検討するために,特徴アブレーション実験を実施している。
論文 参考訳（メタデータ） (2022-12-19T20:31:47Z) - Deep Co-Attention Network for Multi-View Subspace Learning [73.3450258002607]
マルチビューサブスペース学習のための深層コアテンションネットワークを提案する。
共通情報と相補情報の両方を敵意で抽出することを目的としている。
特に、新しいクロス再構成損失を使用し、ラベル情報を利用して潜在表現の構築を誘導する。
論文 参考訳（メタデータ） (2021-02-15T18:46:44Z) - MET: Multimodal Perception of Engagement for Telehealth [52.54282887530756]
ビデオから人間のエンゲージメントレベルを知覚する学習ベースアルゴリズムMETを提案する。
我々はメンタルヘルス患者のエンゲージメント検出のための新しいデータセットMEDICAをリリースした。
論文 参考訳（メタデータ） (2020-11-17T15:18:38Z) - Pose-based Body Language Recognition for Emotion and Psychiatric Symptom
Interpretation [75.3147962600095]
通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。
心理学者との連携により,精神症状予測の枠組みを拡張した。
提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
論文 参考訳（メタデータ） (2020-10-30T18:45:16Z) - Context-Aware Refinement Network Incorporating Structural Connectivity
Prior for Brain Midline Delineation [50.868845400939314]
UNetによって生成された特徴ピラミッド表現を洗練・統合するための文脈対応改良ネットワーク(CAR-Net)を提案する。
正中線における脳の構造的接続性を維持するため、我々は新しい接続性レギュラーロスを導入する。
提案手法は, パラメータを少なくし, 4つの評価指標で3つの最先端手法より優れる。
論文 参考訳（メタデータ） (2020-07-10T14:01:20Z) - Adapting Deep Learning Methods for Mental Health Prediction on Social
Media [10.102073937554488]
メンタルヘルスは、個人の幸福のために重要な課題となる。
深層学習モデルを用いてソーシャルメディア利用者の精神状態を検出するという課題に取り組む。
ユーザが9つの異なる障害のうちの1つに苦しむかどうかを予測するバイナリ分類タスクでは、階層的な注意ネットワークが以前設定された4つの障害のベンチマークを上回っている。
論文 参考訳（メタデータ） (2020-03-17T10:49:03Z)
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。