分析数据不纯对精神障碍检测性能的影响
神经元与认知
2023-08-11 v1 机器学习
声音
音频与语音处理
摘要
自动识别精神障碍的主要传统方法是使用二分类器。这些分类器使用从访谈设置中获得的行为数据训练。在该训练过程中，来自所考虑特定障碍个体的数据被归类为正类，而所有其他参与者的数据构成负类。实际上，人们广泛认识到某些精神障碍具有相似症状，导致所收集的行为数据包含与多种障碍相关的各类属性。因此，与目标精神障碍相关的属性也可能出现在负类中。这种数据不纯可能导致针对感兴趣精神障碍的分类器训练次优。本研究中，我们在重度抑郁障碍（MDD）和创伤后应激障碍检测（PTSD）背景下探究该假设。结果表明，去除此类数据不纯后，MDD和PTSD检测性能显著提升。
引用
@article{arxiv.2308.05133,
title = {Analyzing the Effect of Data Impurity on the Detection Performances of Mental Disorders},
author = {Rohan Kumar Gupta and Rohit Sinha},
journal= {arXiv preprint arXiv:2308.05133},
year = {2023}
}