基于转移学习的体动记录仪抑郁症检测筛查工具实时部署
机器学习
2023-03-15 v1 信号处理
摘要
自动化抑郁症筛查与诊断是当前高度相关的问题。传统抑郁症检测方法存在若干局限，即高度依赖临床医生与有偏的自我报告。近年来，研究表明基于机器学习（ML）的方法具有强大潜力，其利用通过可穿戴设备收集的用户被动数据。然而，机器学习是数据饥渴的。尤其在医疗健康领域，原始数据收集具有挑战性。本工作中，我们提出一种基于转移学习的方法，从在辅助数据集上训练的模型迁移，用于基于用户体动记录仪数据的抑郁症筛查工具的实时部署。该方法使得即便在原始数据样本有限时也能进行机器学习建模。在原始集上执行的改进版留一交叉验证方法取得了 0.96 的平均准确率，其中每次迭代将原始集中一名受试者的数据留作测试。
引用
@article{arxiv.2303.07847,
title = {Transfer Learning for Real-time Deployment of a Screening Tool for Depression Detection Using Actigraphy},
author = {Rajanikant Ghate and Nayan Kalnad and Rahee Walambe and Ketan Kotecha},
journal= {arXiv preprint arXiv:2303.07847},
year = {2023}
}
备注
5 pages, 4 figures, conference, to be published in UKSIM23