日本語AIでPubMedを検索
マルチモーダルなうつ病検出.分類器アンサンブルのための新しい戦略を用いた脳波と言語行動の融合
Multimodal Depression Detection: Fusion of Electroencephalography and Paralinguistic Behaviors Using a Novel Strategy for Classifier Ensemble.
PMID: 31478879 DOI: 10.1109/JBHI.2019.2938247.
抄録
現在、うつ病は世界的に一般的な精神疾患となっており、障害の主な原因の一つとなっている。個人差によって誘発される抑うつ症状には差があるため、包括的で効果的なうつ病の検出方法をいかに設計するかが急務となっている。本研究では、生理学的観点と行動学的観点から同時に探究し、広汎性脳波（EEG）と発声信号を融合させることで、より客観的、効果的、便利なうつ病の検出法を開発した。これら2種類の信号に対していくつかの有効な特徴量を抽出した後、各モダリティに対して6つの表現的分類器を訓練し、異なる分類器からの決定の多様性と相関性を共決定テンソルを用いて表し、これらの決定をマルチエージェント戦略を用いて最終的な分類結果に結合した。170名（うつ病患者81名、健常者89名）を対象とした実験の結果、提案したマルチモーダルうつ病検出戦略は、シングルモーダル分類器や他の代表的な後期融合戦略と比較して、精度、f1スコア、感度の面で優れていることが示された。本研究は、広汎な生理学的・行動的信号の後期融合がうつ病検出に有望であり、マルチエージェント戦略は異なる分類器の多様性と相関性を効果的に利用して、より良い最終判断を得ることができることを示している。
Currently, depression has become a common mental disorder and one of the main causes of disability worldwide. Due to the difference in depressive symptoms evoked by individual differences, how to design comprehensive and effective depression detection methods has become an urgent demand. This study explored from physiological and behavioral perspectives simultaneously and fused pervasive electroencephalography (EEG) and vocal signals to make the detection of depression more objective, effective and convenient. After extraction of several effective features for these two types of signals, we trained six representational classifiers on each modality, then denoted diversity and correlation of decisions from different classifiers using co-decision tensor and combined these decisions into the ultimate classification result with multi-agent strategy. Experimental results on 170 (81 depressed patients and 89 normal controls) subjects showed that the proposed multi-modal depression detection strategy is superior to the single-modal classifiers or other typical late fusion strategies in accuracy, f1-score and sensitivity. This work indicates that late fusion of pervasive physiological and behavioral signals is promising for depression detection and the multi-agent strategy can take advantage of diversity and correlation of different classifiers effectively to gain a better final decision.