論文の概要: Do Depressive Facial Patterns Transfer Across Cultures and Contexts? Evidence from a German RCT and E-DAIC

• arxiv url: http://arxiv.org/abs/2609.05543v1
• Date: Wed, 02 Sep 2026 13:26:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-12 13:24:23.985863
• Title: Do Depressive Facial Patterns Transfer Across Cultures and Contexts? Evidence from a German RCT and E-DAIC
• Title（参考訳）: 抑うつ的な顔のパターンは文化と文脈をまたがって伝達されるか? ドイツのRCTとE-DAICによる証拠
• Abstract要約: 学習バイオマーカーの企業間一般化は依然としてオープンな課題である。 クロスコーパスバイナリ分類は、連続的なPHQ-8回帰よりも堅牢である。 機能的コンテキストアライメントは、クロスコーパス一般化の主要な決定要因である。
• 参考スコア（独自算出の注目度）: 5.29398434231818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automated assessment of depression from facial dynamics holds promise for scalable mental health monitoring, yet cross-corpus generalization of learned biomarkers remains an open challenge. We present a systematic bidirectional transfer study pairing the EmpkinS-EKSpression randomized controlled trial (RCT; N = 256, SCID-5-CV diagnoses) with the Extended Distress Analysis Interview Corpus (E-DAIC; N = 275, semi-structured clinical interviews), predicting depression severity and binary diagnostic status from facial action units, head pose, and gaze. Cross-corpus binary classification proves more robust than continuous PHQ-8 severity regression, with forward transfer achieving AUC = 0.70. Regression transfer is governed by functional context alignment: passive observation phases yield the most transferable models, while active emotion regulation phases elicit stronger within-corpus signals. These findings establish functional context alignment as the primary determinant of cross-corpus generalization, with passive elicitation contexts offering the best trade-off between within-corpus sensitivity and cross-corpus robustness.
• Abstract（参考訳）: 顔のダイナミックスによるうつ病の自動評価は、スケーラブルなメンタルヘルスモニタリングを約束するが、学習されたバイオマーカーのクロスコーパスの一般化は、依然としてオープンな課題である。 EmpkinS-EKSpression randomized control trial (RCT; N = 256, SCID-5-CV diagnoses) とExtended Distress Analysis Interview Corpus (E-DAIC; N = 275, semi-structured clinical interviews) を併用し, うつ病の重症度と二分診断状態を顔行動単位, 頭部ポーズ, 視線から予測した。 クロスコーパスのバイナリ分類は、連続的なPHQ-8重度回帰よりも堅牢であり、前方転送は AUC = 0.70 に達する。 回帰伝達は機能的コンテキストアライメントによって制御される: 受動的観察相は最も伝達可能なモデルを生成するが、能動的感情制御相はより強い体内信号を引き起こす。 これらの結果から, クロスコーパスの一般化の主要な決定要因として機能的コンテキストアライメントが確立され, 企業内感度とクロスコーパスのロバスト性との間には, 最適なトレードオフが提供される。

関連論文リスト

• ProCA: Progressive Contrastive Alignment for Robust EEG Visual Decoding [47.35612571473169]
  EEGビジュアルデコーディングは、非侵襲的な神経時系列信号から視覚的セマンティクスを回復することを目的としている。 既存の手法は固定された視覚的あるいはテキスト的アンカーに依存しており、その意味的関係は、試行錯誤、主題、学習段階によって異なる脳波表現と一致している可能性がある。 本稿では,適応型ニューラル・セマンティックアライメントのための統一的でモデルに依存しないフレームワークであるProgressive Contrastive Alignment(ProCA)を提案する。
  論文  参考訳（メタデータ） (2026-09-04T12:48:25Z)
• Beyond Local Power: Functional Connectivity Analysis for Subject-Independent Learning Style Recognition [0.0]
  本稿では, 位相ロック値(PLV)の局所的特徴に対する接続性を評価するため, 目的脳波(EEG)アプローチを提案する。 EEG信号はRavenのAdvanced Progressive Matricesタスク中に28人の参加者から記録された。
  論文  参考訳（メタデータ） (2026-08-12T12:35:51Z)
• Predicting Therapeutic Outcome via Aligning Patient-Specific Knowledge Graph and Gene-Level Perturbation Representations [8.993049322779862]
  PreDIKTORは、パーソナライズされたネットワークビューと転送可能なトランスクリプトーム摂動ビューを調整し、臨床薬効を予測する。 TCGAでは、PrediKTORは一貫して最先端のベースラインを上回っている。
  論文  参考訳（メタデータ） (2026-07-06T00:10:31Z)
• 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)
• Suppressing Prior-Comparison Hallucinations in Radiology Report Generation via Semantically Decoupled Latent Steering [94.37535002230504]
  本研究では,Semantically Decoupled Latent Steeringと呼ばれる学習自由な推論時間制御フレームワークを開発した。 提案手法は,大言語モデル (LLM) による意味分解による意味のない介入ベクトルを構築する。 本手法は歴史的幻覚の可能性を著しく低下させることを示す。
  論文  参考訳（メタデータ） (2026-02-27T04:49:01Z)
• E^2-LLM: Bridging Neural Signals and Interpretable Affective Analysis [54.763420895859035]
  脳波からの感情分析のための最初のMLLMフレームワークであるELLM2-EEG-to-Emotion Large Language Modelを提案する。 ELLMは学習可能なプロジェクション層を通じて、トレーニング済みのEEGエンコーダとQベースのLLMを統合し、マルチステージのトレーニングパイプラインを使用する。 7つの感情カテゴリーにまたがるデータセット実験により, ELLM2-EEG-to-Emotion Large Language Modelは感情分類において優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2026-01-11T13:21:20Z)
• DepFlow: Disentangled Speech Generation to Mitigate Semantic Bias in Depression Detection [54.209716321122194]
  抑うつ条件付きテキスト音声合成フレームワークであるDepFlowについて述べる。 抑うつ音響カモフラージュは、対向訓練を通じて話者と内容不変の抑うつ埋め込みを学習する。 フローマッチングTTSモデルとFiLM変調はこれらの埋め込みを合成に注入し、うつ病の重症度を制御する。 プロトタイプベースの重度マッピング機構は、うつ病連続体を滑らかかつ解釈可能な操作を提供する。
  論文  参考訳（メタデータ） (2026-01-01T10:44:38Z)
• 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)
• Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [83.15653194899126]
  神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。 現在のVSNベースのNCD検出法は主にボトムアップ、刺激駆動認知プロセスと密接に結びついている言語マイクロ構造に焦点を当てている。 本稿では,話題の時間的変化を追跡する動的トピックモデル(DTM)と,物語と視覚刺激の相互整合性を測定するテキスト画像時間アライメントネットワーク(TITAN)の2つの新しいマクロ構造手法を提案する。
  論文  参考訳（メタデータ） (2025-01-07T12:16:26Z)
• The Face of Affective Disorders [7.4005714204825646]
  臨床領域における脳刺激の調節によって変化する顔面行動の統計的特性について検討した。 我々は,現代のカメラを用いたリアルタイム信号処理とコンピュータビジョンにのみ依存する,古典的な頭皮型閉塞型センサであるオプト・エレクトロニック・脳波(OEG)の意味で,提示された測定値を命名した。
  論文  参考訳（メタデータ） (2022-08-02T11:28:17Z)

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。