論文の概要: Automatic Depression Assessment using Machine Learning: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2506.18915v2
• Date: Sun, 29 Jun 2025 10:44:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-01 15:08:39.848201
• Title: Automatic Depression Assessment using Machine Learning: A Comprehensive Survey
• Title（参考訳）: 機械学習を用いた自動抑うつ評価:包括的調査
• Authors: Siyang Song, Yupeng Huo, Shiqing Tang, Jiaee Cheong, Rui Gao, Michel Valstar, Hatice Gunes,
• Abstract要約: うつ病は現在の社会に共通する精神疾患である。 最近のADA調査は、通常、限られた数の人間の行動モダリティだけに焦点を当てている。 本論文は, うつ病関連ヒトの行動について, 様々に要約する。
• 参考スコア（独自算出の注目度）: 16.11021469717189
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression is a common mental illness across current human society. Traditional depression assessment relying on inventories and interviews with psychologists frequently suffer from subjective diagnosis results, slow and expensive diagnosis process as well as lack of human resources. Since there is a solid evidence that depression is reflected by various human internal brain activities and external expressive behaviours, early traditional machine learning (ML) and advanced deep learning (DL) models have been widely explored for human behaviour-based automatic depression assessment (ADA) since 2012. However, recent ADA surveys typically only focus on a limited number of human behaviour modalities. Despite being used as a theoretical basis for developing ADA approaches, existing ADA surveys lack a comprehensive review and summary of multi-modal depression-related human behaviours. To bridge this gap, this paper specifically summarises depression-related human behaviours across a range of modalities (e.g. the human brain, verbal language and non-verbal audio/facial/body behaviours). We focus on conducting an up-to-date and comprehensive survey of ML-based ADA approaches for learning depression cues from these behaviours as well as discussing and comparing their distinctive features and limitations. In addition, we also review existing ADA competitions and datasets, identify and discuss the main challenges and opportunities to provide further research directions for future ADA researchers.
• Abstract（参考訳）: うつ病は現在の社会に共通する精神疾患である。 伝統的なうつ病評価は、発明家や心理学者へのインタビューに依存するが、しばしば主観的な診断結果、遅くて高価な診断プロセス、そして人的資源の不足に悩まされる。 様々な人間の脳内活動や外的表現行動によってうつ病が反映されるという確固たる証拠があるため、2012年以降、人間の行動に基づく自動うつ病評価(ADA)のために、初期の機械学習(ML)と高度なディープラーニング(DL)モデルが広く研究されている。 しかし、最近のADA調査は一般的に限られた数の人間の行動モダリティにのみ焦点を当てている。 ADAアプローチの理論的基盤として使用されているが、既存のADA調査では、マルチモーダルうつ病に関連する人間の行動に関する包括的なレビューや要約が欠如している。 このギャップを埋めるために,本論文では,抑うつに関連する人間の行動(例えば,人間の脳,言語,非言語的音声・顔面・身体行動)を要約する。 我々は、これらの行動からうつ病の手がかりを学ぶためのMLベースのADAアプローチの最新かつ包括的な調査と、それらの特徴や制限について議論し比較することに注力する。 さらに、既存のADAコンペティションやデータセットをレビューし、今後のADA研究者にさらなる研究方向性を提供するための主要な課題と機会を特定し、議論する。

関連論文リスト

• Predicting Human Depression with Hybrid Data Acquisition utilizing Physical Activity Sensing and Social Media Feeds [2.526063342028482]
  うつ病、不安、その他の神経疾患などの精神障害は、世界的な大きな課題となっている。 本研究では,日々の身体活動を測定し,ソーシャルメディア(Twitter)のインタラクションを分析するスマートフォンセンサデータを活用するハイブリッドアプローチを提案する。
  論文  参考訳（メタデータ） (2025-05-28T18:47:34Z)
• Multi-aspect Depression Severity Assessment via Inductive Dialogue System [5.156059061769101]
  インダクティブ対話システム(MaDSA)を用いたマルチアスペクトうつ病重症度評価の新しい課題を提案する。 補助的感情分類タスクによる心理的対話応答を誘導するMaDSAの基礎システムを提案する。 我々は,感情ラベルとともに,抑うつの重大度を8つの側面で注釈付けした会話データセットを合成し,人間の評価によって頑健さを証明した。
  論文  参考訳（メタデータ） (2024-10-29T08:00:08Z)
• HiQuE: Hierarchical Question Embedding Network for Multimodal Depression Detection [11.984035389013426]
  HiQuEは、臨床面接における一次質問とフォローアップ質問の階層的関係を活用する、新規なうつ病検出フレームワークである。 我々はDAIC-WOZという,広く利用されている臨床面接データについて広範な実験を行い,そのモデルが他の最先端マルチモーダルうつ病検出モデルより優れていることを示した。
  論文  参考訳（メタデータ） (2024-08-07T09:23:01Z)
• Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
  ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。 この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
  論文  参考訳（メタデータ） (2024-03-09T11:16:09Z)
• Towards Mitigating Hallucination in Large Language Models via Self-Reflection [63.2543947174318]
  大規模言語モデル(LLM)は、質問応答(QA)タスクを含む生成的および知識集約的なタスクを約束している。 本稿では,広範に採用されているLCMとデータセットを用いた医療再生QAシステムにおける幻覚現象を解析する。
  論文  参考訳（メタデータ） (2023-10-10T03:05:44Z)
• Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
  本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。 我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。 本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
  論文  参考訳（メタデータ） (2022-11-14T18:47:26Z)
• 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)
• 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。