Американские ученые предложили способ диагностики депрессии через смартфон. Препринт статьи опубликован на сайте arXiv.Ученые из Стэнфордского университета использовали набор данных, который содержал почти 50 часов интервью со 189 людьми: как страдающих депрессией, так и здоровых. Каждое видео было представлено в виде трехмерной модели человеческого лица во время разговора и спектрограммы его речи. Ученые хотели определить особенности речи и выражения лица людей с депрессией.

Для обучения системы они использовали нейросеть, а в качестве данных выступали аудиозаписи, текстовые транскрипции и 3D-модели лица участников во время интервью. В процессе анализа нейросеть научилась вычислять симптомы расстройства по некоторым параметрам: например, по особенным запинкам в речи страдающего депрессией человека.

Впоследствии авторы проверили работу нейросети и сравнили с результатами, полученными в ходе оценки по Опроснику здоровья пациента. Выяснилось, что алгоритм в среднем ошибается на 3,67 балла, что гарантирует точность диагностики в 85 процентов. В исследовании отмечается, что плюсом предложенного метода может быть использование смартфона для диагностики депрессии.

В феврале ученые сообщили, что долгая депрессия может привести к изменениям в мозге. Ранее исследователи выяснили, что страдающие депрессией склонны в общении употреблять определенные слова. Как правило, они связаны с негативными эмоциями.

Препринт статьи опубликован на сайте arXiv*.

Первоисточник в автоматическом переводе:

Признак уровня депрессии по степени серьезности от выраженных выражений языка и трехмерного лица

Когда более 300 миллионов человек депрессивны во всем мире, депрессия является глобальной проблемой. Из-за ограничений доступа, таких как социальная стигма, стоимость и доступность лечения, 60% психически больных людей не получают никаких услуг в области психического здоровья. Эффективная и эффективная диагностика основана на выявлении клинических симптомов депрессии. Автоматическое обнаружение депрессивных симптомов потенциально улучшит диагностическую точность и доступность, что приведет к более быстрому вмешательству. В этой работе мы представляем метод машинного обучения для измерения тяжести депрессивных симптомов. Наш мультимодальный метод использует трехмерные выражения лица и разговорный язык, которые обычно доступны на современных мобильных телефонах. Он демонстрирует среднюю погрешность в 3,67 балла (относительная на 15,3%) на клинически подтвержденной шкале опроса пациентов (PHQ). Для выявления основного депрессивного расстройства, наша модель демонстрирует чувствительность 83,3% и специфичность 82,6%. В целом, этот документ показывает, как распознавание речи, компьютерное зрение и обработка естественного языка могут быть объединены для оказания помощи пациентам и практикам психического здоровья. Эта технология может быть развернута на мобильных телефонах по всему миру и обеспечивает недорогой универсальный доступ к услугам в области психического здоровья.

* arXiv Библиографический проводник

labs.arxiv.org/projects/bibexplorer

Сотрудник: Мэтт Бирбаум, Корнелл Компьютер и информатика

github.com/mattbierbaum/arxiv-bib-overlay .

Библиографический оверлей arXiv отображает информацию о работах, которые цитируются и цитируются документами arXiv и их опубликованными версиями. Основная цель проекта — дать возможность открыть соответствующие исследования и контекст, предоставив удобную навигацию по дереву цитирования статьи. Эти типы навигационных инструментов доступны во многих интерфейсах журналов и сторонних инструментах (Google Scholar, ADS, Inspire и т. Д.) И дают огромную ценность для исследователей.

В этом проекте мы хотим предоставить аналогичную функциональность пользователям arXiv: перемещаться по дереву цитирования внутри arXiv corpus, а также внешним ресурсам, включая журналы, библиографические базы данных и инструменты базы данных цитат. Предоставление ссылок на цитированные ссылки в архивных эвристиках arXiv было определено для разработки в рамках дорожной карты arXiv 2017 года, основанной на входе от опроса пользователей arXiv .

Основными целями, которые мы хотим рассмотреть, являются:

Список известных ссылок и цитат для данной статьи с полными метаданными (авторы, год, журнал и т. Д.).

Предоставьте инструменты фильтрации и просмотра на абстрактных страницах arXiv, чтобы обеспечить легкий доступ к частям дерева цитат. 

Содействовать навигации по этим статьям в arXiv, внешним журналам и, соответственно, библиографическим базам данных (в зависимости от участия сообщества).

Предоставлять инструменты для экспорта метаданных статей в форматы, используемые библиографическими инструментами.