論文の概要: Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements
- arxiv url: http://arxiv.org/abs/2504.20944v1
- Date: Tue, 29 Apr 2025 17:11:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:55.007521
- Title: Deep Learning Characterizes Depression and Suicidal Ideation from Eye Movements
- Title（参考訳）: 眼球運動による抑うつと自殺観念を特徴付ける深層学習
- Authors: Kleanthis Avramidis, Woojae Jeong, Aditya Kommineni, Sudarsana R. Kadiri, Marcus Ma, Colin McDaniel, Myzelle Hughes, Thomas McGee, Elsi Kaiser, Dani Byrd, Assal Habibi, B. Rael Cahn, Idan A. Blank, Kristina Lerman, Takfarinas Medani, Richard M. Leahy, Shrikanth Narayanan,
- Abstract要約: 抑うつと自殺の考え、特に客観的なバイオマーカーが欠如しており、スクリーニングと診断は主に自己報告と臨床面接に依存している。
視線追跡をスクリーニング目的のマーカーとして検討した。
若年者126名を対象に,感情文を読解し,反応した眼球追跡シーケンスを記録し,その後,臨床症状を予測するための深層学習フレームワークを開発した。
- 参考スコア（独自算出の注目度）: 17.985259248390943
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Identifying physiological and behavioral markers for mental health conditions is a longstanding challenge in psychiatry. Depression and suicidal ideation, in particular, lack objective biomarkers, with screening and diagnosis primarily relying on self-reports and clinical interviews. Here, we investigate eye tracking as a potential marker modality for screening purposes. Eye movements are directly modulated by neuronal networks and have been associated with attentional and mood-related patterns; however, their predictive value for depression and suicidality remains unclear. We recorded eye-tracking sequences from 126 young adults as they read and responded to affective sentences, and subsequently developed a deep learning framework to predict their clinical status. The proposed model included separate branches for trials of positive and negative sentiment, and used 2D time-series representations to account for both intra-trial and inter-trial variations. We were able to identify depression and suicidal ideation with an area under the receiver operating curve (AUC) of 0.793 (95% CI: 0.765-0.819) against healthy controls, and suicidality specifically with 0.826 AUC (95% CI: 0.797-0.852). The model also exhibited moderate, yet significant, accuracy in differentiating depressed from suicidal participants, with 0.609 AUC (95% CI 0.571-0.646). Discriminative patterns emerge more strongly when assessing the data relative to response generation than relative to the onset time of the final word of the sentences. The most pronounced effects were observed for negative-sentiment sentences, that are congruent to depressed and suicidal participants. Our findings highlight eye tracking as an objective tool for mental health assessment and underscore the modulatory impact of emotional stimuli on cognitive processes affecting oculomotor control.
- Abstract（参考訳）: 精神疾患の生理的・行動的マーカーを同定することは精神医学における長年の課題である。
抑うつと自殺の考え、特に客観的なバイオマーカーが欠如しており、スクリーニングと診断は主に自己報告と臨床面接に依存している。
本稿では,視線追跡をスクリーニング目的のマーカーとして検討する。
眼球運動は神経ネットワークによって直接調節され、注意パターンや気分関連パターンに関連付けられているが、うつ病や自殺の予測値は未だ不明である。
若年者126名を対象に,感情文を読解し,反応した眼球追跡シーケンスを記録し,その後,臨床症状を予測するための深層学習フレームワークを開発した。
提案モデルでは, 肯定的感情と否定的感情の鑑定のための分枝を分離し, 2次元時系列表現を用いて, 内科的感情と内科的感情の差異を考慮した。
健常者に対しては, 健常者に対しては, 0.793 (95% CI: 0.765-0.819) と, 0.826 AUC (95% CI: 0.797-0.852) の順に, うつ病と自殺の考えを識別することができた。
また、このモデルでは、自殺者による抑うつの偏差が、95%CI 0.571-0.646で0.609 AUC(95%CI 0.571-0.646)であった。
文の最終単語の開始時間に対する応答生成に関するデータを評価する際に、識別パターンがより強く現れる。
最も顕著な効果は、抑うつや自殺の参加者に相反するネガティブ感作文であった。
本研究は、心的健康評価の客観的ツールとしての視線追跡と、眼球運動制御に影響を与える認知過程に対する感情刺激の調節的影響を明らかにするものである。
関連論文リスト
- Deep Learning-Based Feature Fusion for Emotion Analysis and Suicide Risk Differentiation in Chinese Psychological Support Hotlines [18.81118590515144]
本研究では,ホットライン相互作用中に表現される感情を分析し理解するために,ピッチ音響特徴と深層学習に基づく特徴を組み合わせる手法を提案する。
中国最大の心理支援ホットラインのデータを用いて、負のバイナリ感情分類においてF1スコア79.13%を達成した。
本研究は, 心理的評価尺度と自殺リスク予測の新たな特徴として, 感情変動強度と頻度が有効であることが示唆された。
論文 参考訳（メタデータ） (2025-01-15T10:09:38Z) - Detecting Cognitive Impairment and Psychological Well-being among Older Adults Using Facial, Acoustic, Linguistic, and Cardiovascular Patterns Derived from Remote Conversations [5.923344966877598]
高齢化社会では、認知の低下を監視し、認知症リスクを示す社会的・心理的要因を特定するためのスケーラブルな方法が緊急に求められている。
機械学習の最近の進歩は、認知障害をリモートで検出し、神経症や心理的幸福のような関連する要因を評価する新しい機会を提供する。
実験の結果,言語パターンは認知障害の定量化に有用であるのに対し,表情や心血管パターンは性格や心理的幸福の定量化に有用であることがわかった。
論文 参考訳（メタデータ） (2024-12-12T23:42:46Z) - Large-scale digital phenotyping: identifying depression and anxiety indicators in a general UK population with over 10,000 participants [2.2909783327197393]
英国在住の一般住民10,129名のデータを横断的に分析した。
参加者は、ウェアラブル(Fitbit)データと、うつ病(PHQ-8)、不安(GAD-7)、ムードに関する自己申告アンケートを、研究アプリを通じて共有した。
気分,年齢,性別,BMI,睡眠パターン,身体活動,心拍数など,うつ病の重症度と不安度との間に有意な関連が認められた。
論文 参考訳（メタデータ） (2024-09-24T16:05:17Z) - Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。
我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。
我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文 参考訳（メタデータ） (2024-04-18T12:33:57Z) - Explainable Depression Detection via Head Motion Patterns [13.950923529777803]
本研究は,2つの異なるアプローチを採用することにより,抑うつ検出のための基本的な頭部運動単位であるEmphkinemesの有用性を実証する。
我々は,emphBlackDogとemphAVEC2013データセットの抑うつ分類性能を評価する。
論文 参考訳（メタデータ） (2023-07-23T06:39:51Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Heterogeneous Hidden Markov Models for Sleep Activity Recognition from
Multi-Source Passively Sensed Data [67.60224656603823]
精神科患者の受動的活動監視は、リアルタイムでの行動変化を検出するために不可欠である。
睡眠行動認識は、患者の活動サイクルを表現する行動マーカーである。
スマートフォンから受動的に検出されたデータは、患者の生体リズムに優れた代替手段である。
論文 参考訳（メタデータ） (2022-11-08T17:29:40Z) - Am I No Good? Towards Detecting Perceived Burdensomeness and Thwarted
Belongingness from Suicide Notes [51.378225388679425]
本稿では,自殺ノートから知覚的バーデンサムネス(PB)とThwarted Belongingness(TB)を検出する新しい課題に対処するエンドツーエンドマルチタスクシステムを提案する。
また、ベンチマークCEASE-v2.0データセットに基づいて、手動で翻訳したコード混合自殺メモコーパス、CoMCEASE-v2.0を導入する。
自殺ノートの時間方向と感情情報を利用して全体のパフォーマンスを向上する。
論文 参考訳（メタデータ） (2022-05-20T06:31:08Z) - 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) - A critical reappraisal of predicting suicidal ideation using fMRI [0.0]
本報告では,著者が用いた手法の再評価を行い,同じデータセットの再解析を行い,著者の精度を疑問視する。
論文 参考訳（メタデータ） (2021-03-10T15:08:57Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z)
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。