論文の概要: Speech-Based Depressive Mood Detection in the Presence of Multiple Sclerosis: A Cross-Corpus and Cross-Lingual Study
- arxiv url: http://arxiv.org/abs/2508.18092v1
- Date: Mon, 25 Aug 2025 14:54:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.828576
- Title: Speech-Based Depressive Mood Detection in the Presence of Multiple Sclerosis: A Cross-Corpus and Cross-Lingual Study
- Title（参考訳）: 多発性硬化症における音声による抑うつモードの検出 : クロスコーパスとクロスリンガルによる検討
- Authors: Monica Gonzalez-Machorro, Uwe Reichel, Pascal Hecker, Helly Hammer, Hesam Sagha, Florian Eyben, Robert Hoepner, Björn W. Schuller,
- Abstract要約: 本研究は, 音声による抑うつ検出手法を, クロスコーパス, クロスランガル分析によりMS(pwMS)患者に伝達する可能性について検討した。
提案手法は,1) 現場で一般的に使われている従来の音声・言語の特徴,2) 音声感情認識(SER)モデルに由来する感情次元,3) 探索的音声特徴分析を用いて,教師付き機械学習モデルを実装する。
限られたデータにもかかわらず、我々のモデルは中程度の一般性を有するpwMSの抑うつ的気分を検知し、バイナリタスクで66%のUnweighted Average Recall(UAR)を達成する。
- 参考スコア（独自算出の注目度）: 36.692984372552296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Depression commonly co-occurs with neurodegenerative disorders like Multiple Sclerosis (MS), yet the potential of speech-based Artificial Intelligence for detecting depression in such contexts remains unexplored. This study examines the transferability of speech-based depression detection methods to people with MS (pwMS) through cross-corpus and cross-lingual analysis using English data from the general population and German data from pwMS. Our approach implements supervised machine learning models using: 1) conventional speech and language features commonly used in the field, 2) emotional dimensions derived from a Speech Emotion Recognition (SER) model, and 3) exploratory speech feature analysis. Despite limited data, our models detect depressive mood in pwMS with moderate generalisability, achieving a 66% Unweighted Average Recall (UAR) on a binary task. Feature selection further improved performance, boosting UAR to 74%. Our findings also highlight the relevant role emotional changes have as an indicator of depressive mood in both the general population and within PwMS. This study provides an initial exploration into generalising speech-based depression detection, even in the presence of co-occurring conditions, such as neurodegenerative diseases.
- Abstract（参考訳）: うつ病は通常、多発性硬化症(MS)のような神経変性疾患と共起するが、そのような状況下でうつ病を検出するための音声ベースの人工知能の可能性は未解明のままである。
本研究は、一般住民の英語データとpwMSのドイツ語データを用いて、コーパスと言語横断分析を通して、音声による抑うつ検出手法をMS(pwMS)に伝達する可能性について検討した。
我々のアプローチは、次のように教師付き機械学習モデルを実装する。
1) 現場で一般的に使用される従来の音声・言語の特徴
2)音声感情認識(SER)モデルと感情次元
3)探索音声特徴分析。
限られたデータにもかかわらず、我々のモデルは中程度の一般性を有するpwMSの抑うつ的気分を検知し、バイナリタスクで66%のUnweighted Average Recall(UAR)を達成する。
機能選択によりパフォーマンスが向上し、UARは74%向上した。
また,一般人口およびPwMS内における抑うつ的気分の指標として,感情変化が関与する役割も明らかにした。
本研究は、神経変性疾患のような共起状態であっても、音声による抑うつ検出を一般化するための最初の研究である。
関連論文リスト
- Naturalistic Language-related Movie-Watching fMRI Task for Detecting Neurocognitive Decline and Disorder [60.84344168388442]
言語関連機能的磁気共鳴画像(fMRI)は,認知機能低下と早期NCDの検出に有望なアプローチである。
香港在住の高齢者97名を対象に,この課題の有効性について検討した。
本研究は、加齢に伴う認知低下とNCDの早期発見のための自然言語関連fMRIタスクの可能性を示した。
論文 参考訳（メタデータ） (2025-06-10T16:58:47Z) - Neural Responses to Affective Sentences Reveal Signatures of Depression [18.304785509577766]
大うつ病(Major Depressive Disorder、MDD)は、非常に一般的な精神疾患であり、その神経認知基盤の深い理解が不可欠である。
本研究では、自己参照感情文に対する神経反応を測定することにより、抑うつが感情処理の時間的ダイナミクスをどう変えるかを検討する。
以上の結果から,抑うつ状態における感情情報と自己参照情報の統合が阻害されたことが示唆された。
論文 参考訳（メタデータ） (2025-06-06T17:09:08Z) - Investigating Acoustic-Textual Emotional Inconsistency Information for Automatic Depression Detection [18.797661194307683]
従来の研究では、単一の音響的感情ラベルからの感情的特徴がうつ病の診断精度を高めることが示されている。
うつ病の人は、意外にも穏やかな方法で否定的な感情的内容を伝えるかもしれない。
この研究は、感情的表現の不整合情報をうつ病検出に組み込んだ最初のものである。
論文 参考訳（メタデータ） (2024-12-09T02:52:52Z) - Language-Agnostic Analysis of Speech Depression Detection [2.5764071253486636]
本研究は、英語とマラヤラムの2言語間での自動抑うつ検出を解析する。
CNNモデルは、両言語に焦点をあてて、抑うつに関連する音響的特徴を特定するために訓練される。
その結果,言語に依存しない抑うつ検出システムの開発に寄与する可能性が示唆された。
論文 参考訳（メタデータ） (2024-09-23T07:35:56Z) - We Care: Multimodal Depression Detection and Knowledge Infused Mental Health Therapeutic Response Generation [41.09752906121257]
拡張D-vlogデータセットは1,261のYouTube vlogのコレクションを含む。
本稿では,認知行動療法(Cognitive Behavioral Therapy, CBT)をベースとした, メンタルヘルス患者の初期接触として機能する仮想エージェントについて紹介する。
私たちのMistralモデルは歪み評価と分類で70.1%、30.9%、ベルトスコア88.7%を達成しました。
論文 参考訳（メタデータ） (2024-06-15T08:41:46Z) - 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) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - Speech and the n-Back task as a lens into depression. How combining both
may allow us to isolate different core symptoms of depression [12.251313610613693]
その結果,抑うつ症状のサブセットと音声変化が強く関連していることが示唆された。
我々はTymiaで収集された新しい大規模・横断的・多モードデータセットを提案する。
次に、PHQ-8項目レベルで異なる音声とn-Backマーカーの関係を明らかにする実験のセットを示す。
論文 参考訳（メタデータ） (2022-03-30T09:12:59Z) - 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) - Affective Conditioning on Hierarchical Networks applied to Depression
Detection from Transcribed Clinical Interviews [0.0]
抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。
我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。
我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
論文 参考訳（メタデータ） (2020-06-04T20:55:22Z)
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。