論文の概要: Quantitative Evaluation of the Severity of Posttraumatic Stress Disorder through Transfer Learning from Specific Phobia Data

• arxiv url: http://arxiv.org/abs/2605.25933v1
• Date: Mon, 25 May 2026 15:13:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-26 19:50:20.350072
• Title: Quantitative Evaluation of the Severity of Posttraumatic Stress Disorder through Transfer Learning from Specific Phobia Data
• Title（参考訳）: 特定のフォビアデータからの伝達学習による外傷後ストレス障害の重症度評価
• Authors: Nicolas Ricka, Gauthier Pellegrin, Denis A. Fompeyrine, Thomas Rohaly, Leah Enders, Heather Roy,
• Abstract要約: 本研究では,PTSD重大度を客観的に評価するための機械学習(ML)アプローチを提案する。 心拍数 (HR) とガルバニック皮膚反応 (GSR) の信号とPTSD Checklist - Military Version (PCL-M) のラベルを, 没入型シミュレーションで21名から収集した。 このモデルはPTSD状態の分類において86%の精度を達成し、PTSDの有無を効果的に識別した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Posttraumatic stress disorder (PTSD) is a prevalent and debilitating mental health condition with significant personal and societal impacts. Current clinical assessments of PTSD often rely on subjective evaluations, which can be time-consuming, costly, and prone to human bias. This study proposes a machine learning (ML) approach based on multivariate kernel density estimation (MKDE) technique for the objective evaluation of PTSD severity. We collected heart rate (HR) and galvanic skin response (GSR) signals as well as PTSD Checklist - Military Version (PCL-M) labels from 21 participants during an immersive simulation. A fear-response model was trained on a public arachnophobia dataset, and predictive features of PTSD were extracted from the fear-response curves estimated on the military dataset. The model achieved an accuracy of 86\% in classifying PTSD status, effectively distinguishing participants with and without PTSD (PCL-M threshold of 36). The average mean absolute error (MAE) of the models is 5.6, and it estimated a clinical PTSD severity scale with a mean absolute percentage error of 17\%. Our algorithm demonstrates promising potential for enhancing estimation of PTSD severity and followup by offering an objective and low-effort evaluation approach using physiology. These findings suggest clinical utility in both screening and follow-up settings.
• Abstract（参考訳）: PTSD(Posttraumatic stress disorder)は、個人的および社会的影響の大きい精神疾患である。 PTSDの現在の臨床評価は、しばしば主観的評価に依存しており、それは時間がかかり、コストがかかり、人間の偏見を招きやすい。 本研究では,多変量カーネル密度推定(MKDE)に基づく機械学習(ML)によるPTSD重大度評価手法を提案する。 心拍数 (HR) とガルバニック皮膚反応 (GSR) の信号とPTSD Checklist - Military Version (PCL-M) のラベルを, 没入型シミュレーションで21名から収集した。 公共のラフノフォビアデータセットを用いて恐怖応答モデルを訓練し,軍事的データセットから推定した恐怖応答曲線からPTSDの予測的特徴を抽出した。 PTSDの分類では86%の精度を達成し,PTSD(PCL-M閾値36。 モデルの平均絶対誤差(MAE)は5.6であり、平均絶対誤差が17.5%である臨床PTSD重症度尺度を推定した。 提案アルゴリズムは,生理学を用いた客観的かつ低疲労な評価手法を提供することにより,PTSDの重症度とフォローアップの推定を向上する有望な可能性を示す。 以上より,スクリーニングおよびフォローアップ設定における臨床的有用性が示唆された。

関連論文リスト

• Predicting Neuromodulation Outcome for Parkinson's Disease with Generative Virtual Brain Model [95.41752463487008]
  パーキンソン病は世界中で1千万人以上に影響している。 個人間変異は経験的治療の選択を制限し、非無視的な外科的リスクとコストを増大させる。 我々は、このギャップをトレーニング済みのファインタニングフレームワークで埋めて、静止状態fMRIから直接結果を予測する。
  論文  参考訳（メタデータ） (2026-03-31T02:36:10Z)
• Image-based Quantification of Postural Deviations on Patients with Cervical Dystonia: A Machine Learning Approach Using Synthetic Training Data [42.305152571036786]
  頚部ジストニア(Cervical dystonia、CD)は、ジストニアの最も一般的な形態である。 現在の評価はトロント・ウェスタン・スパモディック・トーチコリス・レーティング・スケール(TWSTRS)のような主観的臨床評価尺度に依存している。 本研究では、16,000枚の合成アバター画像にのみ訓練された深層学習モデルと、事前訓練した頭部位置推定アルゴリズムを組み合わせた評価ツールを開発した。
  論文  参考訳（メタデータ） (2026-03-27T14:12:41Z)
• Assessing the robustness of heterogeneous treatment effects in survival analysis under informative censoring [50.164756034797136]
  臨床研究ではドロップアウトが一般的で、副作用やその他の理由で患者の半数以上が早期に退院する。 ドロップアウトが有益な場合、治療効果の推定値にもバイアスがかかるため、検閲バイアスが導入される。 検閲バイアスに直面した場合の生存分析における条件平均処理効果推定のロバスト性を評価するための仮定リーンフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-15T10:51:17Z)
• Enhancing PTSD Outcome Prediction with Ensemble Models in Disaster Contexts [0.9249657468385778]
  外傷後ストレス障害(PTSD)は、外傷性事象に曝される個人に影響を与える重要な精神疾患である。 PTSDの早期発見と効果的な介入は、治療を受けなければ長期の心理的苦痛につながる可能性があるため、極めて重要である。
  論文  参考訳（メタデータ） (2024-11-16T01:44:43Z)
• PTSD in the Wild: A Video Database for Studying Post-Traumatic Stress Disorder Recognition in Unconstrained Environments [9.272889136803212]
  PTSDは慢性的な精神状態であり、破滅的な生命現象に反応して発達する。 本稿では,PTSD自動診断のための新しいビデオデータベースを公開し,注釈付けし,公開するために準備した。 野生データセットにおけるPTSDに基づくコンピュータビジョンと機械学習に基づくアプローチを評価するためのベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-09-28T13:30:26Z)
• Assessment of Treatment Effect Estimators for Heavy-Tailed Data [70.72363097550483]
  ランダム化制御試験(RCT)における治療効果の客観的評価における中心的な障害は、その性能をテストするための基礎的真理(または検証セット)の欠如である。 この課題に対処するための新しいクロスバリデーションのような方法論を提供する。 本手法は,Amazonサプライチェーンに実装された709RCTに対して評価を行った。
  論文  参考訳（メタデータ） (2021-12-14T17:53:01Z)
• The Invisible COVID-19 Crisis: Post-Traumatic Stress Disorder Risk Among Frontline Physicians Treating COVID-19 Patients [2.6938549839852524]
  本研究は、米国最前線の医師(COVID-19患者)における外傷性ストレス障害(PTSD)について、第2ラインの医師(COVID-19患者を治療しない)と比較して評価した。 主な被害要因は、うつ病、燃え尽き症候群、ネガティブな対処、新型コロナウイルスの感染・感染の恐れ、スティグマの認識、新型コロナウイルス患者の治療に不十分なリソースなどであった。
  論文  参考訳（メタデータ） (2021-10-25T17:01:36Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Posttraumatic Stress Disorder Hyperarousal Event Detection Using Smartwatch Physiological and Activity Data [0.0]
  PTSD(英: Posttraumatic Stress Disorder)は、アメリカ合衆国の退役軍人の約4分の1が、戦域から帰還する精神疾患である。 患者は治療セッションの外でPTSD症状を最も重篤に経験することが多い。 モバイルヘルスアプリケーションは、このギャップに対処するかもしれないが、その効果は、継続的監視と時間的介入を可能にする検出能力の現在のギャップによって制限されている。
  論文  参考訳（メタデータ） (2021-09-29T22:24:10Z)

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。