論文の概要: Expresso-AI: Explainable Video-Based Deep Learning Models for Depression Diagnosis

• arxiv url: http://arxiv.org/abs/2606.25606v1
• Date: Wed, 24 Jun 2026 09:14:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.29275
• Title: Expresso-AI: Explainable Video-Based Deep Learning Models for Depression Diagnosis
• Title（参考訳）: Expresso-AI: うつ病診断のための説明可能なビデオベースディープラーニングモデル
• Abstract要約: 本稿では,ディープ・ニューラル・ニューラル・ニューラル・ニューラル・ニューラル・ニューラル・ニューラル・ニューラル・ネットワーク(Deep Neural Networks)による顔画像の学習における決定を解析するための新しい枠組みを提案する。 我々のフレームワークは、顔領域と時間的表現意味論を調べることによって、モデルの正当性マップを解釈することができる。
• 参考スコア（独自算出の注目度）: 16.226234971636636
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given the widespread prevalence of depression and its consequential impact on individuals and society, it is crucial to obtain objective measures for early diagnosis and intervention. As a multidisciplinary topic, these objective measures should be interpretable and accessible to health care professionals, ensuring effective collaboration and treatment planning in the realm of mental health care. Even though current automated depression diagnosis approaches improved over the last decade, a critical gap exists as they often lack affect-specificity and interpretability, limiting their practical application and potential impact on mental health care. In particular, interpretability from temporal activities from videos when deep models are used is not fully explored. In this study, we present a novel framework for analyzing Deep Neural Networks' decisions when trained on facial videos, specifically focusing on automatic depression severity diagnosis. By fine-tuning Deep Convolutional Neural Networks (DCNN) pre-trained on Action Recognition datasets on depression severity facial videos from AVEC depression dataset, our framework is able to interpret the model's saliency maps by examining face regions and temporal expression semantics. Our approach generates both visual and quantitative explanations for the model's decisions, providing greater insight into its reasoning. In addition to this interpretability, our video-based modeling has improved upon previous single-face benchmarks for visual depression diagnosis, resulting in enhanced predictive performance. Overall, our work demonstrates the successful development of a framework capable of generating hypotheses from a facial model's decisions while simultaneously improving depression's predictive capabilities.
• Abstract（参考訳）: うつ病の流行とそれに伴う個人や社会への影響を考えると、早期診断と介入のための客観的な手段を得ることが不可欠である。 多分野のトピックとして、これらの客観的対策は、メンタルヘルスの領域において効果的な協調と治療計画を確保するために、医療専門家に解釈され、アクセス可能であるべきである。 現在の自動うつ病診断アプローチは、過去10年間で改善されているが、感情特異性と解釈可能性の欠如がしばしばあり、その実践的応用と潜在的なメンタルヘルスへの影響が制限されている。 特に、深層モデルを用いたビデオからの時間的活動からの解釈可能性については、十分に検討されていない。 本研究では,表情映像のトレーニングにおいて,Deep Neural Networksの判断を解析するための新しいフレームワークを提案する。 AVECうつ病データセットから、うつ病の重篤な顔ビデオに対する行動認識データセットを事前訓練したディープ畳み込みニューラルネットワーク(DCNN)を微調整することにより、我々のフレームワークは、顔領域と時間的表現意味論を調べることによって、モデルの正当性マップを解釈することができる。 我々のアプローチは、モデルの決定に対する視覚的および定量的な説明の両方を生成し、その推論についてより深い洞察を与えます。 この解釈性に加えて、ビデオベースのモデリングは、視覚的うつ病の診断のための以前の単面ベンチマークで改善され、予測性能が向上した。 本研究は,うつ病の予測能力を同時に改善しつつ,顔面モデルの決定から仮説を生成できるフレームワークの開発に成功したことを示す。

関連論文リスト

• Psychologically-Grounded Graph Modeling for Interpretable Depression Detection [36.72827968050813]
  対話型セッションを動的時間グラフとしてモデル化するフレームワークであるPsyGATを提案する。 Causal-PsyGATも紹介した。 実験では、因果指標を特定するためのMRRが20%改善されている。
  論文  参考訳（メタデータ） (2026-04-27T07:27:45Z)
• 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)
• Depression Detection Based on Electroencephalography Using a Hybrid Deep Neural Network CNN-GRU and MRMR Feature Selection [0.0]
  本研究では, 深層学習を用いた抑うつ状態と非抑うつ状態の検出と分類について検討した。 提案フレームワークは、畳み込みニューラルネットワーク(CNN)とゲートリカレントユニット(GRU)を組み合わせて、脳波記録から空間的特徴と時間的特徴を共同抽出する。 その結果, 提案モデルでは, 抑うつ状態の同定精度が98.74%と高い結果が得られた。
  論文  参考訳（メタデータ） (2026-01-16T02:58:17Z)
• 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)
• ReDepress: A Cognitive Framework for Detecting Depression Relapse from Social Media [48.56586765769052]
  ReDepressは、リラプスに焦点を当てた最初の臨床的に検証されたソーシャルメディアデータセットである。 我々の枠組みはうつ病の認知理論に基づいており、注意バイアス、解釈バイアス、記憶バイアス、反省などの構造を取り入れている。 本研究は, 実世界のテキストデータにおける心理学的理論を検証し, 早期再発検出のための認知インフォームド・コンピューティング手法の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2025-09-22T16:33:59Z)
• AI Models for Depressive Disorder Detection and Diagnosis: A Review [0.9012198585960441]
  うつ病性障害は世界中で障害の原因の1つとなっているが、診断は主観的臨床評価に大きく依存している。 本稿では,55の鍵研究の体系的レビューに基づいて,最先端のAI手法の発見と診断に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2025-08-16T11:46:48Z)
• GEMeX-RMCoT: An Enhanced Med-VQA Dataset for Region-Aware Multimodal Chain-of-Thought Reasoning [60.03671205298294]
  医学的視覚的質問応答は、医学的イメージに基づいた自然言語的質問にモデルで答えることによって、臨床的な意思決定を支援することを目的としている。 現在の方法はまだ、答えの信頼性の制限と解釈性の低下に悩まされている。 この研究はまず、回答を生成するプロセスが中間的推論ステップのシーケンスに先行する領域対応マルチモーダル・チェーン・オブ・ソートデータセットを提案する。
  論文  参考訳（メタデータ） (2025-06-22T08:09:58Z)
• AI-Driven Early Mental Health Screening: Analyzing Selfies of Pregnant Women [32.514036618021244]
  うつ病や不安障害は世界中で何百万もの人に影響を与え、精神疾患の重荷に大きく貢献する。 早期スクリーニングは、精神疾患のタイムリーな同定が治療成績を大幅に改善するので、効果的な介入に不可欠である。 本研究は、顔中心の自撮りを与えられたユビキタスな抑うつ不安スクリーニングのためのAIモデルの可能性について検討する。
  論文  参考訳（メタデータ） (2024-10-07T19:34:25Z)
• EmoScan: Automatic Screening of Depression Symptoms in Romanized Sinhala Tweets [0.0]
  この研究は、抑うつのリスクがある個人を特定するために、ロマタイズド・シンハラのソーシャルメディアデータの利用を探求する。 言語パターン、感情、行動の手がかりを分析することにより、抑うつ症状の自動スクリーニングのための機械学習ベースのフレームワークが提示される。
  論文  参考訳（メタデータ） (2024-03-28T10:31:09Z)
• Empowering Psychotherapy with Large Language Models: Cognitive Distortion Detection through Diagnosis of Thought Prompting [82.64015366154884]
  本研究では,認知的歪み検出の課題について検討し,思考の早期発見(DoT)を提案する。 DoTは、事実と思考を分離するための主観的評価、思考と矛盾する推論プロセスを引き出すための対照的な推論、認知スキーマを要約するスキーマ分析という3つの段階を通して、患者のスピーチの診断を行う。 実験により、DoTは認知的歪み検出のためのChatGPTよりも大幅に改善され、一方で人間の専門家が承認した高品質な合理性を生成することが示された。
  論文  参考訳（メタデータ） (2023-10-11T02:47:21Z)
• Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
  我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
  論文  参考訳（メタデータ） (2022-11-09T14:48:13Z)
• 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。