論文の概要: Enhancing Depression Detection via Question-wise Modality Fusion
- arxiv url: http://arxiv.org/abs/2503.20496v1
- Date: Wed, 26 Mar 2025 12:34:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 19:18:47.169651
- Title: Enhancing Depression Detection via Question-wise Modality Fusion
- Title(参考訳): 質問ワーモダリティ融合による抑うつ検出の強化
- Authors: Aishik Mandal, Dana Atzil-Slonim, Thamar Solorio, Iryna Gurevych,
- Abstract要約: うつ病は、かなりの個人的・社会的コストを発生させる、非常に普及し、無効な状態である。
そこで我々は,新しい不均衡正規対数関数を用いて学習した質問知度モダリティ・フュージョン(Modality Fusion)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): 47.45016610508853
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Depression is a highly prevalent and disabling condition that incurs substantial personal and societal costs. Current depression diagnosis involves determining the depression severity of a person through self-reported questionnaires or interviews conducted by clinicians. This often leads to delayed treatment and involves substantial human resources. Thus, several works try to automate the process using multimodal data. However, they usually overlook the following: i) The variable contribution of each modality for each question in the questionnaire and ii) Using ordinal classification for the task. This results in sub-optimal fusion and training methods. In this work, we propose a novel Question-wise Modality Fusion (QuestMF) framework trained with a novel Imbalanced Ordinal Log-Loss (ImbOLL) function to tackle these issues. The performance of our framework is comparable to the current state-of-the-art models on the E-DAIC dataset and enhances interpretability by predicting scores for each question. This will help clinicians identify an individual's symptoms, allowing them to customise their interventions accordingly. We also make the code for the QuestMF framework publicly available.
- Abstract(参考訳): うつ病は、かなりの個人的・社会的コストを発生させる、非常に普及し、無効な状態である。
現在のうつ病診断は、医師が実施した自己報告のアンケートやインタビューを通じて、患者のうつ病の重症度を決定することである。
これはしばしば治療が遅れ、実質的な人的資源が伴う。
このように、複数の研究がマルチモーダルデータを用いてプロセスを自動化する。
しかし、通常は下記の通りである。
一 アンケートにおける各質問に対する各モダリティの変動貢献及び
二 タスクに順序分類を使用すること。
この結果、準最適核融合および訓練法が得られた。
本稿では,ImbOLL(Im Balanced Ordinal Log-Loss)関数を用いてこれらの問題に対処するために,新しい質問知能融合(QuestMF, Question-wise Modality Fusion)フレームワークを提案する。
このフレームワークの性能は,E-DAICデータセットの現在の最先端モデルに匹敵するものであり,各質問のスコアを予測して解釈可能性を高める。
これにより、臨床医は個人の症状を識別し、それに応じて介入をカスタマイズできる。
また、QuestMFフレームワークのコードを公開しています。
関連論文リスト
- Structured Outputs Enable General-Purpose LLMs to be Medical Experts [50.02627258858336]
大規模言語モデル(LLM)は、しばしばオープンエンドの医学的問題に苦しむ。
本稿では,構造化医療推論を利用した新しいアプローチを提案する。
我々の手法は85.8のファクチュアリティスコアを達成し、微調整されたモデルを上回る。
論文 参考訳(メタデータ) (2025-03-05T05:24:55Z) - Moving Beyond Medical Exam Questions: A Clinician-Annotated Dataset of Real-World Tasks and Ambiguity in Mental Healthcare [0.0545520830707066]
精神医療における5つの重要な意思決定領域にまたがる専門家による注釈付きデータセットを提案する。
このデータセットは、微妙な臨床推論と、メンタルヘルス実践者が遭遇する日々のあいまいさを捉えるように設計されている。
論文 参考訳(メタデータ) (2025-02-22T03:10:16Z) - LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。
本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。
実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
論文 参考訳(メタデータ) (2025-01-07T08:49:04Z) - LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。
得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文 参考訳(メタデータ) (2024-06-09T09:03:11Z) - 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) - Multi-modal Depression Estimation based on Sub-attentional Fusion [29.74171323437029]
うつ病の診断に失敗すると、世界中で2億8000万人以上がこの精神疾患に苦しんでいる。
マルチモーダルデータからうつ病を自動的に識別するタスクに取り組む。
異種情報をリンクするためのサブアテンション機構を導入する。
論文 参考訳(メタデータ) (2022-07-13T13:19:32Z) - Interpreting Depression From Question-wise Long-term Video Recording of
SDS Evaluation [13.578189285500716]
SDS (Self-Rating Depression Scale) は, 効率的な予備検診によく用いられている。
本稿では, 質問票結果と回答時間に基づいて, 長期可変長ビデオのエンドツーエンド階層化フレームワークを提案する。
論文 参考訳(メタデータ) (2021-06-25T02:32:13Z) - Removing Bias in Multi-modal Classifiers: Regularization by Maximizing
Functional Entropies [88.0813215220342]
いくつかのモダリティは、他のものよりも分類結果に容易に寄与することができる。
機能的エントロピーと機能的フィッシャー情報とを結合した対数ソボレフの不等式に基づく手法を開発した。
VQA-CPv2 と SocialIQ の2つの挑戦的マルチモーダルデータセットに対して,より均一にモダリティを活用しながら,最先端の結果を得る。
論文 参考訳(メタデータ) (2020-10-21T07:40:33Z) - Multimodal Depression Severity Prediction from medical bio-markers using
Machine Learning Tools and Technologies [0.0]
うつ病は世界中の精神疾患の主要な原因となっている。
近年,うつ病の診断とステージ予測の自動化に行動的手がかりが用いられている。
ラベル付き行動データセットの欠如と、膨大な量のバリエーションが、タスクを達成する上で大きな課題であることが証明されている。
論文 参考訳(メタデータ) (2020-09-11T20:44:28Z) - Towards Causality-Aware Inferring: A Sequential Discriminative Approach
for Medical Diagnosis [142.90770786804507]
医学診断アシスタント(MDA)は、疾患を識別するための症状を逐次調査する対話型診断エージェントを構築することを目的としている。
この研究は、因果図を利用して、MDAにおけるこれらの重要な問題に対処しようとする。
本稿では,他の記録から知識を引き出すことにより,非記録的調査に効果的に答える確率に基づく患者シミュレータを提案する。
論文 参考訳(メタデータ) (2020-03-14T02:05:54Z)
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。