面向通过步态更高效识别抑郁风险的研究
计算机视觉与模式识别
2023-10-11 v1
摘要
抑郁症作为一种高患病率的精神疾病,影响全球超过 2.8 亿人。早期检测与及时干预对促进缓解、预防复发及减轻抑郁相关的情感与经济负担至关重要。然而,抑郁症患者常在初级保健环境中未被诊断。与许多生理性疾病不同,抑郁症缺乏识别抑郁风险的客观指标,且现有抑郁风险识别方法耗时,并常面临训练有素医疗专业人员短缺。步态与抑郁风险间的关联已被经验证实。步态可作为有前景的客观生物标志物,具备高效便捷数据收集优势。然而,当前基于步态的抑郁风险识别方法仅在小规模私有数据集上验证,缺乏大规模公开可用数据集以供研究。此外,这些方法主要局限于手工特征方法。步态是一种复杂运动形式,手工步态特征常仅捕捉步态与抑郁风险间复杂关联的一小部分。因此,本研究首先构建大规模步态数据库,涵盖超 1200 人、40000 条步态序列,并覆盖六视角与三类着装。提供两种常用心理量表作为抑郁风险标注。随后,提出一种基于深度学习的抑郁风险识别模型,克服手工特征方法局限。通过在所构建大规模数据库上的实验,验证了所提方法有效性,并给出诸多指导性见解,凸显基于步态的抑郁风险识别的重要潜力。
引用
@article{arxiv.2310.06283,
title = {Towards More Efficient Depression Risk Recognition via Gait},
author = {Min Ren and Muchan Tao and Xuecai Hu and Xiaotong Liu and Qiong Li and Yongzhen Huang},
journal= {arXiv preprint arXiv:2310.06283},
year = {2023}
}