論文の概要: Quantifying Articulatory Coordination as a Biomarker for Schizophrenia

• arxiv url: http://arxiv.org/abs/2511.03084v1
• Date: Wed, 05 Nov 2025 00:19:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-06 18:19:32.276618
• Title: Quantifying Articulatory Coordination as a Biomarker for Schizophrenia
• Title（参考訳）: 統合失調症のバイオマーカーとしての調音コーディネーションの定量化
• Authors: Gowtham Premananth, Carol Espy-Wilson,
• Abstract要約: 統合失調症 (Schizophrenia) は、言語障害や社会的離脱など多様な症状を持つ複雑な疾患である。 本稿では,声道協調の定量化に音声特徴を利用した解釈可能なフレームワークを提案する。 このアプローチは、統合失調症に対する透明で重症度に敏感なバイオマーカーを提供し、臨床的に解釈可能な音声ベースのアセスメントツールの可能性を推し進める。
• 参考スコア（独自算出の注目度）: 3.9389809100079614
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Advances in artificial intelligence (AI) and deep learning have improved diagnostic capabilities in healthcare, yet limited interpretability continues to hinder clinical adoption. Schizophrenia, a complex disorder with diverse symptoms including disorganized speech and social withdrawal, demands tools that capture symptom severity and provide clinically meaningful insights beyond binary diagnosis. Here, we present an interpretable framework that leverages articulatory speech features through eigenspectra difference plots and a weighted sum with exponential decay (WSED) to quantify vocal tract coordination. Eigenspectra plots effectively distinguished complex from simpler coordination patterns, and WSED scores reliably separated these groups, with ambiguity confined to a narrow range near zero. Importantly, WSED scores correlated not only with overall BPRS severity but also with the balance between positive and negative symptoms, reflecting more complex coordination in subjects with pronounced positive symptoms and the opposite trend for stronger negative symptoms. This approach offers a transparent, severity-sensitive biomarker for schizophrenia, advancing the potential for clinically interpretable speech-based assessment tools.
• Abstract（参考訳）: 人工知能(AI)とディープラーニングの進歩は医療の診断能力を改善したが、解釈可能性の制限は臨床応用を妨げ続けている。 統合失調症(Schizophrenia)は、言語障害や社会的離脱など多様な症状を持つ複雑な疾患であり、症状の重症度を捉え、二者診断を超えて臨床的に有意義な洞察を提供するツールを要求する。 本稿では,固有スペクトル差分プロットと指数減衰(WSED)による重み付け和を用いて調音的音声特徴を利用する解釈可能なフレームワークを提案する。 固有スペクトルプロットは、より単純な調整パターンと事実上区別され、WSEDスコアはこれらのグループを確実に分離し、曖昧さは0に近い狭い範囲に制限された。 WSEDスコアは, BPRSの重症度だけでなく, 陽性症状と陰性症状のバランスにも相関し, 著明な陽性症状と強い陰性症状の傾向の相関が認められた。 このアプローチは、統合失調症に対する透明で重症度に敏感なバイオマーカーを提供し、臨床的に解釈可能な音声ベースのアセスメントツールの可能性を推し進める。

関連論文リスト

• Tri-Modal Severity Fused Diagnosis across Depression and Post-traumatic Stress Disorders [26.208414155165432]
  外傷性ストレス障害(PTSD)は、しばしば関連症状と併存し、自動評価を複雑にする。 統合された三モーダル感情重大度フレームワークは,インタビューテキストと文レベルのトランスフォーマーの埋め込み,ログによる音声,デルタによるメル統計,アクションユニットによる顔信号,視線,頭,ポーズ記述子とを同期させる。 標準化された特徴は、キャリブレーションされた後期融合分類器を介して融合し、障害確率と特徴レベルの属性を出力する。
  論文  参考訳（メタデータ） (2025-10-23T05:46:38Z)
• Interpretable Neuropsychiatric Diagnosis via Concept-Guided Graph Neural Networks [56.75602443936853]
  青少年の5人に1人は、不安、うつ病、行動障害などの精神状態または行動の健康状態と診断されている。 従来の研究では、障害予測にグラフニューラルネットワーク(GNN)アプローチを使用していたが、ブラックボックスのままであり、信頼性と臨床翻訳を制限している。 本研究では,解釈可能な機能接続の概念を符号化する概念に基づく診断フレームワークを提案する。 我々の設計は臨床的に意味のある接続パターンを通じて予測を保証し、解釈可能性と強い予測性能の両方を可能にする。
  論文  参考訳（メタデータ） (2025-10-02T19:38:46Z)
• MoodAngels: A Retrieval-augmented Multi-agent Framework for Psychiatry Diagnosis [58.67342568632529]
  MoodAngelsは、気分障害の診断のための最初の特殊なマルチエージェントフレームワークである。 MoodSynは、合成精神医学の1,173件のオープンソースデータセットである。
  論文  参考訳（メタデータ） (2025-06-04T09:18:25Z)
• Silence is Not Consensus: Disrupting Agreement Bias in Multi-Agent LLMs via Catfish Agent for Clinical Decision Making [80.94208848596215]
  提案する概念は「Catfish Agent」である。これは、構造的不満を注入し、無声な合意に反するように設計された役割特化LDMである。 組織心理学において「ナマズ・エフェクト」にインスパイアされたカマズ・エージェントは、より深い推論を促進するために、新たなコンセンサスに挑戦するように設計されている。
  論文  参考訳（メタデータ） (2025-05-27T17:59:50Z)
• Multimodal Biomarkers for Schizophrenia: Towards Individual Symptom Severity Estimation [4.599023238114995]
  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。
  論文  参考訳（メタデータ） (2025-05-21T21:55:35Z)
• 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)
• LlaMADRS: Prompting Large Language Models for Interview-Based Depression Assessment [75.44934940580112]
  LlaMADRSは、オープンソースのLarge Language Models(LLM)を利用して、うつ病の重症度評価を自動化する新しいフレームワークである。 本研究は,クリニカルインタヴューの解釈・スコアリングにおけるモデル指導のために,慎重に設計された手がかりを用いたゼロショットプロンプト戦略を用いている。 実世界における236件のインタビューを対象とし,臨床評価と強い相関性を示した。
  論文  参考訳（メタデータ） (2025-01-07T08:49:04Z)
• 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)
• Representation learning for improved interpretability and classification accuracy of clinical factors from EEG [7.323779456638996]
  脳波に基づく神経測定は、うつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能する。 これまでの研究では、脳波に基づく神経計測がうつ病の信頼できる客観的相関、あるいはうつ病の予測因子として機能することを示した。 しかし,その臨床的有用性は,1)脳波データに関連する固有ノイズに対処する自動化方法の欠如,2)脳波信号のどの側面が臨床疾患のマーカーであるかの知識の欠如など,完全には実現されていない。
  論文  参考訳（メタデータ） (2020-10-28T23:21:36Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。