論文の概要: Multimodal Biomarkers for Schizophrenia: Towards Individual Symptom Severity Estimation
- arxiv url: http://arxiv.org/abs/2505.16044v1
- Date: Wed, 21 May 2025 21:55:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-23 17:12:47.92646
- Title: Multimodal Biomarkers for Schizophrenia: Towards Individual Symptom Severity Estimation
- Title（参考訳）: 統合失調症に対するマルチモーダルバイオマーカー : 個別症状重症度推定に向けて
- Authors: Gowtham Premananth, Philip Resnik, Sonia Bansal, Deanna L. Kelly, Carol Espy-Wilson,
- Abstract要約: 本研究は,マルチモーダルアプローチによる個々の症状推定に焦点を移す。
精度と重大性を改善するために,各モードに対する一様モデルとマルチモーダル・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）: 4.599023238114995
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Studies on schizophrenia assessments using deep learning typically treat it as a classification task to detect the presence or absence of the disorder, oversimplifying the condition and reducing its clinical applicability. This traditional approach overlooks the complexity of schizophrenia, limiting its practical value in healthcare settings. This study shifts the focus to individual symptom severity estimation using a multimodal approach that integrates speech, video, and text inputs. We develop unimodal models for each modality and a multimodal framework to improve accuracy and robustness. By capturing a more detailed symptom profile, this approach can help in enhancing diagnostic precision and support personalized treatment, offering a scalable and objective tool for mental health assessment.
- Abstract（参考訳）: 深層学習を用いた統合失調症評価に関する研究は、一般的に、疾患の有無を検知し、その症状を単純化し、臨床応用性を減らすための分類タスクとして扱う。
この伝統的なアプローチは統合失調症の複雑さを見落とし、医療設定における実用的価値を制限している。
本研究は、音声、ビデオ、テキスト入力を統合したマルチモーダルアプローチを用いて、個別の症状重症度推定に焦点を移す。
精度とロバスト性を向上させるため,各モードに対する一様モデルとマルチモーダル・フレームワークを開発した。
より詳細な症状プロファイルを取得することで、診断精度を高め、パーソナライズされた治療をサポートすることができ、メンタルヘルスアセスメントのためのスケーラブルで客観的なツールを提供する。
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) - Optimizing Skin Lesion Classification via Multimodal Data and Auxiliary
Task Integration [54.76511683427566]
本研究は, スマートフォンで撮影した画像と本質的な臨床および人口統計情報を統合することで, 皮膚病変を分類する新しいマルチモーダル手法を提案する。
この手法の特徴は、超高解像度画像予測に焦点を当てた補助的なタスクの統合である。
PAD-UFES20データセットを用いて,様々なディープラーニングアーキテクチャを用いて実験を行った。
論文 参考訳（メタデータ） (2024-02-16T05:16:20Z) - A Foundational Framework and Methodology for Personalized Early and
Timely Diagnosis [84.6348989654916]
本稿では,早期診断とタイムリー診断のための基礎的枠組みを提案する。
診断過程を概説する決定論的アプローチに基づいている。
機械学習と統計手法を統合し、最適なパーソナライズされた診断経路を推定する。
論文 参考訳（メタデータ） (2023-11-26T14:42:31Z) - Empowering Psychotherapy with Large Language Models: Cognitive
Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。
DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。
実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
論文 参考訳（メタデータ） (2023-10-11T02:47:21Z) - Improving Multiple Sclerosis Lesion Segmentation Across Clinical Sites:
A Federated Learning Approach with Noise-Resilient Training [75.40980802817349]
深層学習モデルは、自動的にMS病変を分節する約束を示しているが、正確な注釈付きデータの不足は、この分野の進歩を妨げている。
我々は,MS病変の不均衡分布とファジィ境界を考慮したDecoupled Hard Label Correction(DHLC)戦略を導入する。
また,集約型中央モデルを利用したCELC(Centrally Enhanced Label Correction)戦略も導入した。
論文 参考訳（メタデータ） (2023-08-31T00:36:10Z) - A Multimodal Approach for Automatic Mania Assessment in Bipolar Disorder [0.0]
我々は,患者の音響的,言語的,視覚的モダリティの記録に基づくマルチモーダル意思決定システムを構築した。
我々は64.8%の非重み付き平均リコールスコアを達成し、このデータセットで達成された最先端のパフォーマンスを改善した。
論文 参考訳（メタデータ） (2021-12-17T12:09:01Z) - MEDUSA: Multi-scale Encoder-Decoder Self-Attention Deep Neural Network
Architecture for Medical Image Analysis [71.2022403915147]
医用画像解析に適したマルチスケールエンコーダデコーダ自己保持機構であるMEDUSAを紹介する。
我々は、COVIDx、RSNA RICORD、RSNA Pneumonia Challengeなどの医療画像分析ベンチマークの最先端性能を得た。
論文 参考訳（メタデータ） (2021-10-12T15:05:15Z) - Meta-learning on Spectral Images of Electroencephalogram of
Schizophenics [0.0]
統合失調症 (Schizophrenia) は、思考パターン、知覚、気分、行動の変化を含む複雑な精神疾患である。
神経イメージングと機械学習アルゴリズムの進歩は統合失調症の診断を促進する。
論文 参考訳（メタデータ） (2021-01-27T20:51:25Z) - Inheritance-guided Hierarchical Assignment for Clinical Automatic
Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。
本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-01-27T13:16:51Z) - Representation Learning for Integrating Multi-domain Outcomes to
Optimize Individualized Treatments [6.505217121471555]
精神疾患の場合、患者の基礎となる精神状態は、観察された測定結果から推測されなければならない、保存されていない潜在的構成物である。
本稿では,患者の精神状態を同時に学習し,各個人に対して最適な治療を推奨する統合学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-10-30T20:30:31Z) - 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)
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。