論文の概要: ReDSM5: A Reddit Dataset for DSM-5 Depression Detection

• arxiv url: http://arxiv.org/abs/2508.03399v1
• Date: Tue, 05 Aug 2025 12:48:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-06 18:18:55.965148
• Title: ReDSM5: A Reddit Dataset for DSM-5 Depression Detection
• Title（参考訳）: ReDSM5: DSM-5デプレッション検出のためのRedditデータセット
• Authors: Eliseo Bao, Anxo Pérez, Javier Parapar,
• Abstract要約: うつ病は、世界中で数億人の個人に影響を与える広範囲な精神状態である。 ReDSM5は1484の長文の投稿からなるRedditの新しいコーパスであり、それぞれが9つのDSM-5うつ病症状に対して、許可された心理学者によって全文で注釈付けされている。 ソーシャルメディアの物語における症状表現を特徴付ける語彙的,統語的,感情的なパターンを探索的に分析する。
• 参考スコア（独自算出の注目度）: 2.677715367737641
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Depression is a pervasive mental health condition that affects hundreds of millions of individuals worldwide, yet many cases remain undiagnosed due to barriers in traditional clinical access and pervasive stigma. Social media platforms, and Reddit in particular, offer rich, user-generated narratives that can reveal early signs of depressive symptomatology. However, existing computational approaches often label entire posts simply as depressed or not depressed, without linking language to specific criteria from the DSM-5, the standard clinical framework for diagnosing depression. This limits both clinical relevance and interpretability. To address this gap, we introduce ReDSM5, a novel Reddit corpus comprising 1484 long-form posts, each exhaustively annotated at the sentence level by a licensed psychologist for the nine DSM-5 depression symptoms. For each label, the annotator also provides a concise clinical rationale grounded in DSM-5 methodology. We conduct an exploratory analysis of the collection, examining lexical, syntactic, and emotional patterns that characterize symptom expression in social media narratives. Compared to prior resources, ReDSM5 uniquely combines symptom-specific supervision with expert explanations, facilitating the development of models that not only detect depression but also generate human-interpretable reasoning. We establish baseline benchmarks for both multi-label symptom classification and explanation generation, providing reference results for future research on detection and interpretability.
• Abstract（参考訳）: うつ病は世界中で数億の個人に影響を与える広汎な精神状態であるが、多くのケースは、伝統的な臨床アクセスと広汎な便秘の障壁のために未診断のままである。 ソーシャルメディアプラットフォーム、特にRedditは、豊かなユーザー生成物語を提供しており、うつ病の症状の早期の兆候を明らかにしている。 しかし、既存の計算手法では、うつ病を診断するための標準的な臨床フレームワークであるDSM-5から特定の基準に言語をリンクせずに、単にうつ病またはうつ病ではないとポスト全体をラベル付けすることが多い。 これは臨床的妥当性と解釈可能性の両方を制限する。 1484件の長文投稿からなるReddit コーパス ReDSM5 を紹介する。 各ラベルについて、アノテーションはDSM-5法に基づく簡潔な臨床的根拠を提供する。 ソーシャルメディアの物語における症状表現を特徴付ける語彙的,統語的,感情的なパターンを探索的に分析する。 以前のリソースと比較すると、ReDSM5は症状特異的の監督と専門家の説明を一意に組み合わせ、うつ病を検知するだけでなく、人間の解釈可能な推論を生成するモデルの開発を促進する。 マルチラベルの症状分類と説明生成のためのベースラインベンチマークを構築し,検出と解釈可能性に関する今後の研究への参照結果を提供する。

関連論文リスト

• MAGI: Multi-Agent Guided Interview for Psychiatric Assessment [50.6150986786028]
  我々は,ゴールドスタンダードのMini International Neuropsychiatric Interview(MINI)を自動計算ナビゲーションに変換する最初のフレームワークであるMAGIを紹介する。 臨床検査法, 会話適応性, 説明可能な推論を併用することにより, MAGI は LLM 支援型メンタルヘルスアセスメントを推し進めることを示す。
  論文  参考訳（メタデータ） (2025-04-25T11:08:27Z)
• MentalArena: Self-play Training of Language Models for Diagnosis and Treatment of Mental Health Disorders [59.515827458631975]
  メンタルヘルス障害は世界で最も深刻な病気の1つである。 プライバシーに関する懸念は、パーソナライズされた治療データのアクセシビリティを制限する。 MentalArenaは、言語モデルをトレーニングするためのセルフプレイフレームワークである。
  論文  参考訳（メタデータ） (2024-10-09T13:06:40Z)
• Still Not Quite There! Evaluating Large Language Models for Comorbid Mental Health Diagnosis [9.738105623317601]
  我々は、ソーシャルメディア投稿からの抑うつ不安のコorbidity分類のための、新しいファースト・オブ・イットのベンチマークであるAN GSTを紹介する。 我々は、メンタル-BERT から GPT-4 まで、様々な最先端言語モデルを用いてAN GSTをベンチマークする。 GPT-4は一般に他のモデルより優れているが、F1スコアが72%を超えるようなマルチクラスのコンコービッド分類は達成していない。
  論文  参考訳（メタデータ） (2024-10-04T20:24:11Z)
• MDD-5k: A New Diagnostic Conversation Dataset for Mental Disorders Synthesized via Neuro-Symbolic LLM Agents [25.987334407396396]
  我々は、精神疾患の診断会話を合成するための神経象徴的マルチエージェントフレームワークを設計する。 中国最大の精神障害診断データセットMDD-5kを開発した。
  論文  参考訳（メタデータ） (2024-08-22T05:59:47Z)
• 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)
• What Symptoms and How Long? An Interpretable AI Approach for Depression Detection in Social Media [0.5156484100374058]
  うつ病は最も一般的で深刻な精神疾患であり、重大な財政的・社会的影響をもたらす。 本研究は、ソーシャルメディアにおける抑うつ検出のための新しい解釈可能な深層学習モデルを用いて、IS文献に寄与する。
  論文  参考訳（メタデータ） (2023-05-18T20:15:04Z)
• 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)
• 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)
• DEPTWEET: A Typology for Social Media Texts to Detect Depression Severities [0.46796109436086664]
  我々はうつ病の重症度を検出するために,うつ病の臨床的記述を活用してソーシャルメディアテキストのタイプロジを構築する。 精神疾患の診断・統計マニュアル(DSM-5)と患者健康アンケート(PHQ-9)の標準的臨床評価手順をエミュレートする 専門家アノテータによってラベル付けされた40191ツイートの新しいデータセットを提示します。それぞれのツイートは、"non-depressed"あるいは"depressed"とラベル付けされます。
  論文  参考訳（メタデータ） (2022-10-10T08:23:57Z)
• D4: a Chinese Dialogue Dataset for Depression-Diagnosis-Oriented Chat [25.852922703368133]
  うつ病と診断された臨床セッションでは、医師は患者に症状を露呈させるための十分な感情的支援と会話を開始する。 精神疾患に関連する社会的便秘が原因でうつ病の相談や診断に関連する対話データが開示されることは稀である。 うつ病診断における医師と患者との対話をシミュレートした,うつ病診断指向チャットのための中国語対話データセットを構築した。
  論文  参考訳（メタデータ） (2022-05-24T03:54:22Z)
• Data set creation and empirical analysis for detecting signs of depression from social media postings [0.0]
  うつ病は、深刻な結果を避けるために、早期に検出され治療されなければならない一般的な精神疾患である。 我々は、ソーシャルメディアの投稿から、うつ病のレベルが落ち込んでいないこと、中程度に落ち込んでいないこと、および深刻な落ち込んでいないことを検知する、金の標準データセットを開発した。
  論文  参考訳（メタデータ） (2022-02-07T10:24:33Z)
• 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。