Confidence Estimation for Automatic Detection of Depression and Alzheimer’s Disease Based on Clinical Interviews

要約

アルツハイマー病 (AD) とうつ病の音声ベースの自動検出がますます注目を集めています。
信頼性の推定は、臨床医にモデル予測の信頼性を知らせ、誤診のリスクを軽減する信頼できる自動診断システムにとって非常に重要です。
この論文では、臨床面接に基づいて AD とうつ病を自動検出するための信頼度推定を調査します。
動的ディリクレ事前分布を使用して予測分布の二次確率をモデル化する新しいベイズ手法が提案されています。
公開されている ADReSS および DAIC-WOZ データセットに関する実験結果は、提案された方法が分類精度と信頼度推定の両方においてベースラインの範囲を上回ることを示しています。

要約(オリジナル)

Speech-based automatic detection of Alzheimer’s disease (AD) and depression has attracted increased attention. Confidence estimation is crucial for a trust-worthy automatic diagnostic system which informs the clinician about the confidence of model predictions and helps reduce the risk of misdiagnosis. This paper investigates confidence estimation for automatic detection of AD and depression based on clinical interviews. A novel Bayesian approach is proposed which uses a dynamic Dirichlet prior distribution to model the second-order probability of the predictive distribution. Experimental results on the publicly available ADReSS and DAIC-WOZ datasets demonstrate that the proposed method outperforms a range of baselines for both classification accuracy and confidence estimation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google