A Hybrid Approach for Depression Classification: Random Forest-ANN Ensemble on Motor Activity Signals

要約

今日の社会において精神疾患に苦しむ人の数が増加していることに関して、精神的健康の重要性はどれだけ強調してもしすぎることはありません。
ウェアラブル センサーはますます普及しており、メンタルヘルスの問題を追跡し、理解するための潜在的な方法を提供します。
これらのガジェットは、日常の活動を監視するだけでなく、心拍数などのバイタルサインを継続的に記録し、おそらく人の精神状態に関する情報を提供します。
最近の研究では、これらのセンサーを機械学習手法と組み合わせて使用​​し、さまざまな精神的健康状態に関連するパターンを特定し、単純な活動モニタリングを超えたこのデータの計り知れない可能性を強調しています。
この研究では、うつ病患者からのセンサー データを評価するために調整されたハイブリッド ランダム フォレスト – ニューラル ネットワークと呼ばれる新しいアルゴリズムを紹介します。
私たちの方法は、単極性および双極性のうつ病患者と健康な対照者の両方を含む特別なデータセットで評価した場合、80% という注目に値する精度を持っています。
この研究結果は、センサーデータを使用して人のうつ病状態を確実に判定するアルゴリズムの可能性を強調しており、メンタルヘルス診断の分野に多大な貢献を果たしている。

要約(オリジナル)

Regarding the rising number of people suffering from mental health illnesses in today’s society, the importance of mental health cannot be overstated. Wearable sensors, which are increasingly widely available, provide a potential way to track and comprehend mental health issues. These gadgets not only monitor everyday activities but also continuously record vital signs like heart rate, perhaps providing information on a person’s mental state. Recent research has used these sensors in conjunction with machine learning methods to identify patterns relating to different mental health conditions, highlighting the immense potential of this data beyond simple activity monitoring. In this research, we present a novel algorithm called the Hybrid Random forest – Neural network that has been tailored to evaluate sensor data from depressed patients. Our method has a noteworthy accuracy of 80\% when evaluated on a special dataset that included both unipolar and bipolar depressive patients as well as healthy controls. The findings highlight the algorithm’s potential for reliably determining a person’s depression condition using sensor data, making a substantial contribution to the area of mental health diagnostics.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google