論文の概要: DynaBridge: Dynamic Summary-Guided Cross-Task Multimodal Fusion for DASS-Structured Mental Health Assessment
- arxiv url: http://arxiv.org/abs/2607.25679v1
- Date: Tue, 28 Jul 2026 12:55:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-29 20:50:42.842891
- Title: DynaBridge: Dynamic Summary-Guided Cross-Task Multimodal Fusion for DASS-Structured Mental Health Assessment
- Title（参考訳）: DynaBridge: DASS構造化メンタルヘルスアセスメントのための動的概要ガイド型クロスタスクマルチモーダルフュージョン
- Abstract要約: DynaBridgeは、DASS構造化メンタルヘルスアセスメントのための動的要約誘導マルチモーダルフレームワークである。
複数のセッションにまたがって音響、視覚、テキストの手がかりを符号化し、参加者レベルのセマンティックエビデンスとして、凍結したLLM生成のDASS対応サマリーを付加する。
通常のアイテムの分布を予測し、アイテムレベルのソフトスコアからうつ病、不安、ストレスリスクの証拠を再構成し、この証拠を直接マルチモーダルリスクの予測と融合させる。
- 参考スコア（独自算出の注目度）: 21.51648903357327
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Multimodal behavioral analysis offers a scalable approach to assessing depression, anxiety, and stress, yet generic fusion models often ignore the psychometric structure of questionnaire labels. In DASS-21, risk labels are derived from ordered symptom items through fixed item-to-subscale mappings. We propose \textbf{DynaBridge}, a dynamic summary-guided cross-task multimodal framework for DASS-structured mental health assessment. DynaBridge encodes acoustic, visual, and textual cues across multiple sessions and augments them with frozen-LLM-generated DASS-aware summaries as participant-level semantic evidence. It predicts ordinal item distributions, reconstructs depression, anxiety, and stress risk evidence from item-level soft scores, and fuses this evidence with direct multimodal risk predictions. A confidence-aware refinement strategy further incorporates high-confidence semantic cues conservatively. On the official AdoDAS validation split, DynaBridge outperforms the official baseline and representative multimodal methods, achieving 0.5012 mean F1 for D/A/S risk prediction and 0.3216 mean QWK for DASS-21 item prediction. These results show the value of bridging multimodal cues, semantic summaries, and DASS-21 psychometric structure.
- Abstract（参考訳）: マルチモーダル行動分析は、うつ病、不安、ストレスを評価するためのスケーラブルなアプローチを提供するが、一般的な融合モデルは、アンケートラベルの心理的構造を無視することが多い。
DASS-21では、リスクラベルは、固定されたアイテム・ツー・サブスケールマッピングを通じて順序付けられた症状から導出される。
DASS構造化精神健康評価のための動的要約誘導マルチモーダルフレームワークである「textbf{DynaBridge}」を提案する。
DynaBridgeは、複数のセッションにまたがって音響、視覚、テキストのキューをエンコードし、参加者レベルのセマンティックエビデンスとして、凍結したLLM生成のDASS対応サマリーを付加する。
通常のアイテムの分布を予測し、アイテムレベルのソフトスコアからうつ病、不安、ストレスリスクの証拠を再構成し、この証拠を直接マルチモーダルリスクの予測と融合させる。
信頼を意識した洗練戦略は、より保守的に高信頼なセマンティック・キューを取り入れている。
公式のAdoDAS検証分割では、DynaBridgeは公式のベースラインと代表的マルチモーダルメソッドを上回り、D/A/Sリスク予測の0.5012平均F1、DASS-21アイテム予測の0.3216平均QWKを達成している。
これらの結果から, ブリッジングマルチモーダル・キュー, セマンティック・サマリー, DASS-21精神測定構造の価値が示唆された。
関連論文リスト
- A Multi-Branch Feature Fusion Approach for Health Misinformation Detection and Propagation [0.0]
本稿では,オンラインソーシャルネットワーク(OSN)における健康情報の伝播を検知し,特徴付けるマルチブランチ融合フレームワークを提案する。
このフレームワークは、トランスフォーマーに基づくセマンティクスを、修辞的な手がかり、姿勢表現、心理的動機付けられたプロキシと融合させる。
Constraint、COVID--19_FNIR、Monkeypoxの3つのベンチマークデータセットの実験は、強力な分類性能を示している。
論文 参考訳（メタデータ） (2026-08-31T21:36:43Z) - Agentic SABRE: An Uncertainty-Aware Neuro-Symbolic Multi-Agent Framework for Adaptive Ransomware Detection [0.8564319625930894]
ランサムウェアは複雑で適応的で素早く動く敵カテゴリーへと進化してきた。
本稿では,適応型ランサムウェア検出のための不確実性認識,ニューロシンボリック,マルチエージェントフレームワークであるAgenic SABREを提案する。
論文 参考訳（メタデータ） (2026-07-05T13:08:41Z) - AdaSurvMamba: Dynamic Fusion and Semantic Scanning for Multimodal Survival Analysis [57.942670844512016]
我々はAdaSurvMambaをマルチモーダルサバイバル分析の新しい適応フレームワークとして紹介する。
このフレームワークは、クロスモーダル相互作用強度を動的に変調するDual-Scale Importance-Aware Reconstruction (DSIR)モジュールを備えている。
5つのTCGAコホートに対する実験は、既存の方法よりも一貫した利得を示している。
論文 参考訳（メタデータ） (2026-06-28T11:36:31Z) - Traits Run Deeper: Trait-Specific Asymmetric Fusion for Personality Assessment [53.50824432699408]
Traits Run Deeperは、新しいパーソナリティアセスメントフレームワークである。
MFR(Multimodal Foundation Representation)、TSMF(Trit-Specific Modality Fusion)、DCPR(Distributed-Calibrated Personality Regression)の3つのコンポーネントで構成されている。
論文 参考訳（メタデータ） (2026-06-09T06:38:36Z) - Attention-Based Multimodal Survival Prediction with Cross-Modal Bilinear Fusion [1.4203297056262238]
患者レベル生存予測のための新しいディープラーニングフレームワークを提案する。
全スライディング組織学の特徴、RNA-seq発現プロファイル、臨床変数を統合している。
我々のアーキテクチャは、スライドレベルの表現のためのAMMILモジュールciteilse2018アテンションと、RNAおよび臨床データのためのフィードフォワードエンコーダを組み合わせたものである。
論文 参考訳（メタデータ） (2026-05-12T13:09:25Z) - Quantifiable Uncertainty: A Stochastic Consensus Multi-Agent RAG Framework for Robust Malware Detection [1.2183405753834562]
本稿では,マルウェア解析をセマンティックコード検索と確率的検証に分離するフレームワークMAGMAを提案する。
MAGMAは98.4%の検知率を示し,既存の解よりもかなり高い値を示した。
論文 参考訳（メタデータ） (2026-05-08T18:46:24Z) - Towards Trustworthy Depression Estimation via Disentangled Evidential Learning [50.22167852149165]
EviDepはうつ病の重症度を共同で定量化する明らかな学習フレームワークである。
EviDepは、堅牢な証拠合成を保証するために厳密な情報整合性を強制する。
最先端の予測精度と優れた不確実性校正を実現し、信頼できる臨床スクリーニングのための堅牢なフェールセーフメカニズムを提供する。
論文 参考訳（メタデータ） (2026-04-17T13:27:11Z) - Dynamic Summary Generation for Interpretable Multimodal Depression Detection [23.358673852385337]
スティグマと主観的症状が信頼できるスクリーニングを妨げているため、うつ病は広く診断され治療されていない。
本稿では,大規模言語モデルを用いて高精度かつ解釈可能な検出を行う,粗大なマルチステージフレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-13T11:34:40Z) - METER: Multi-modal Evidence-based Thinking and Explainable Reasoning -- Algorithm and Benchmark [48.78602579128459]
本稿では,画像,ビデオ,音声,映像コンテンツにまたがる偽造検出のための統合ベンチマークMETERを紹介する。
我々のデータセットは4つのトラックから構成されており、それぞれのトラックは実際のvsフェイク分類だけでなく、エビデンスチェーンに基づく説明も必要である。
論文 参考訳（メタデータ） (2025-07-22T03:42:51Z) - Hierarchical Audio-Visual Information Fusion with Multi-label Joint
Decoding for MER 2023 [51.95161901441527]
本稿では,離散的感情と次元的感情の両方を認識するための新しい枠組みを提案する。
基礎モデルから抽出した深い特徴は、生ビデオの頑健な音響的および視覚的表現として使用される。
我々の最終システムは最先端のパフォーマンスを達成し、MER-MULTIサブチャレンジのリーダーボードで3位にランクインする。
論文 参考訳（メタデータ） (2023-09-11T03:19:10Z) - Trusted Multi-View Classification with Dynamic Evidential Fusion [73.35990456162745]
信頼型マルチビュー分類(TMC)と呼ばれる新しいマルチビュー分類アルゴリズムを提案する。
TMCは、様々な視点をエビデンスレベルで動的に統合することで、マルチビュー学習のための新しいパラダイムを提供する。
理論的および実験的結果は、精度、堅牢性、信頼性において提案されたモデルの有効性を検証した。
論文 参考訳（メタデータ） (2022-04-25T03:48:49Z)
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。