論文の概要: AI-Based Screening for Depression and Social Anxiety Through Eye Tracking: An Exploratory Study

• arxiv url: http://arxiv.org/abs/2503.17625v1
• Date: Sat, 22 Mar 2025 02:53:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-25 14:40:09.011861
• Title: AI-Based Screening for Depression and Social Anxiety Through Eye Tracking: An Exploratory Study
• Title（参考訳）: AIによる視線追跡による抑うつと社会的不安のスクリーニング : 探索的研究
• Authors: Karol Chlasta, Katarzyna Wisiecka, Krzysztof Krejtz, Izabela Krejtz,
• Abstract要約: 幸福感の低下はうつ病や不安障害と関連していることが多い。 本稿では、視覚的注意走査経路の分析により、感情障害のAIによるスクリーニングに新たなアプローチを提案する。
• 参考スコア（独自算出の注目度）: 1.7249361224827533
• License:
• Abstract: Well-being is a dynamic construct that evolves over time and fluctuates within individuals, presenting challenges for accurate quantification. Reduced well-being is often linked to depression or anxiety disorders, which are characterised by biases in visual attention towards specific stimuli, such as human faces. This paper introduces a novel approach to AI-assisted screening of affective disorders by analysing visual attention scan paths using convolutional neural networks (CNNs). Data were collected from two studies examining (1) attentional tendencies in individuals diagnosed with major depression and (2) social anxiety. These data were processed using residual CNNs through images generated from eye-gaze patterns. Experimental results, obtained with ResNet architectures, demonstrated an average accuracy of 48% for a three-class system and 62% for a two-class system. Based on these exploratory findings, we propose that this method could be employed in rapid, ecological, and effective mental health screening systems to assess well-being through eye-tracking.
• Abstract（参考訳）: ウェルビーイング(英: Well-being)は、時間とともに進化し、個人内で変動する動的な構造であり、正確な定量化の課題を提示している。 幸福感の低下はうつ病や不安障害と結びついており、人間の顔のような特定の刺激に対する視覚的注意のバイアスによって特徴づけられる。 本稿では、畳み込みニューラルネットワーク(CNN)を用いた視覚的注意走査経路の分析により、感情障害をAIでスクリーニングする手法を提案する。 本研究は,(1)うつ病と社会不安症と診断された人の注意傾向を調査した2つの研究から収集した。 これらのデータは、眼球運動パターンから生成された画像を通して残差CNNを用いて処理された。 ResNetアーキテクチャで得られた実験結果は、3クラスのシステムで平均48%、2クラスのシステムで平均62%の精度を示した。 これらの調査結果をもとに,眼球追跡による健康状態の評価のために,迅速で生態学的,効果的なメンタルヘルススクリーニングシステムに適用できる可能性が示唆された。

関連論文リスト

• Revealing the Self: Brainwave-Based Human Trait Identification [2.660113491122853]
  本稿では,脳波データを用いて人間の特徴をリアルタイムで識別する新しい手法を提案する。 我々の分析は、いくつかの新しい洞察を明らかにし、多様な人間の特性を特定するための画期的な統一アプローチへと繋がった。 我々は,脳波データを用いたリアルタイムな特徴識別ソリューションを開発した。
  論文  参考訳（メタデータ） (2024-12-26T03:27:34Z)
• AI-Driven Early Mental Health Screening: Analyzing Selfies of Pregnant Women [32.514036618021244]
  うつ病や不安障害は世界中で何百万もの人に影響を与え、精神疾患の重荷に大きく貢献する。 早期スクリーニングは、精神疾患のタイムリーな同定が治療成績を大幅に改善するので、効果的な介入に不可欠である。 本研究は、顔中心の自撮りを与えられたユビキタスな抑うつ不安スクリーニングのためのAIモデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-07T19:34:25Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• Adapting Brain-Like Neural Networks for Modeling Cortical Visual Prostheses [68.96380145211093]
  皮質補綴は視覚野に移植された装置で、電気的にニューロンを刺激することで失った視力を回復しようとする。 現在、これらのデバイスが提供する視覚は限られており、刺激による視覚知覚を正確に予測することはオープンな課題である。 我々は、視覚システムの有望なモデルとして登場した「脳様」畳み込みニューラルネットワーク(CNN)を活用することで、この問題に対処することを提案する。
  論文  参考訳（メタデータ） (2022-09-27T17:33:19Z)
• 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)
• Deep Convolution Network Based Emotion Analysis for Automatic Detection of Mild Cognitive Impairment in the Elderly [15.217754542927961]
  認知障害の早期発見は、患者と介護者の両方にとって非常に重要である。 認知障害患者には異常な感情パターンが認められた。 本稿では,認知障害を検出するための新しい深層畳み込みネットワークシステムを提案する。
  論文  参考訳（メタデータ） (2021-11-09T11:51:33Z)
• Non-contact Pain Recognition from Video Sequences with Remote Physiological Measurements Prediction [53.03469655641418]
  痛み認識のための非接触方式で外観変化と生理的手がかりの両方を符号化する新しいマルチタスク学習フレームワークを提案する。 我々は、一般に利用可能な痛みデータベース上で、非接触痛認識の最先端性能を確立する。
  論文  参考訳（メタデータ） (2021-05-18T20:47:45Z)
• Affect Analysis in-the-wild: Valence-Arousal, Expressions, Action Units and a Unified Framework [83.21732533130846]
  Aff-Wild と Aff-Wild2 の2つである。 これは、これらのデータベースで訓練された深層ニューラルネットワークの2つのクラスの設計を示す。 インパクト認識を共同で学び、効果的に一般化し、実行することができる新しいマルチタスクおよび全体主義のフレームワークが提示されます。
  論文  参考訳（メタデータ） (2021-03-29T17:36:20Z)
• Continuous Emotion Recognition with Spatiotemporal Convolutional Neural Networks [82.54695985117783]
  In-theld でキャプチャした長いビデオシーケンスを用いて,持続的な感情認識のための最先端のディープラーニングアーキテクチャの適合性を検討する。 我々は,2D-CNNと長期記憶ユニットを組み合わせた畳み込みリカレントニューラルネットワークと,2D-CNNモデルの微調整時の重みを膨らませて構築した膨らませた3D-CNNモデルを開発した。
  論文  参考訳（メタデータ） (2020-11-18T13:42:05Z)
• A Genetic Feature Selection Based Two-stream Neural Network for Anger Veracity Recognition [3.885779089924737]
  我々は,映像刺激の行動と真の怒りを観察する観察者の時系列瞳孔特徴を選択するために,遺伝子に基づく特徴選択法(GFS)を用いた。 次に、選択した機能を使って、単純な完全に接続されたニューラルネットワークと2ストリームのニューラルネットワークをトレーニングします。 その結果,両眼の瞳孔反応の精度は93.58%であった。
  論文  参考訳（メタデータ） (2020-09-06T05:52:41Z)
• Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
  マシンはユーザの感情状態を高い精度で認識できることが不可欠である。 ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。 表情認識に基づく連続的感情認識のための新しいモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。