利用机器学习工具与技术基于医学生物标记物的多模态抑郁症严重程度预测
人工智能
2020-10-07 v2 机器学习
摘要
抑郁症一直是全球心理健康疾病的主要诱因。因未加管理的抑郁症导致的生命损失备受关注，同时缺乏诊断检测及其主观性也是问题所在。近年来，利用行为线索自动化抑郁症诊断与分期预测有所增多。然而，标记行为数据集的缺失以及大量可能的变化被证明是完成该任务的主要挑战。本文提出一种新颖的 Custom CM Ensemble 方法，并聚焦于一个跨平台智能手机应用的范式，该应用通过一系列预定义问题从用户处获取多模态输入，将其发送至云端 ML 架构，并回传代表严重程度的抑郁商数。我们的应用基于多类分类模型，利用语言、音频和视觉模态来估计抑郁症严重程度。给定方法试图在给定问题提示时，基于言语与视觉特征的低级描述符以及语言特征的上下文，检测、强调并分类抑郁个体的特征。该模型取得了 0.88 的精确率与 91.56% 的准确率。进一步优化通过选取各模态内最具影响力的特征进行决策，揭示了模态内与模态间的关联。
引用
@article{arxiv.2009.05651,
title = {Multimodal Depression Severity Prediction from medical bio-markers using Machine Learning Tools and Technologies},
author = {Shivani Shimpi and Shyam Thombre and Snehal Reddy and Ritik Sharma and Srijan Singh},
journal= {arXiv preprint arXiv:2009.05651},
year = {2020}
}
备注
The paper content has one major problem in a section that is needs more attention and some work, and is agreed by all authors. The change is necessary in terms of correctness and completeness of the paper. Hence, requesting for the withdrawal to allow for the changes