HiQuE: Hierarchical Question Embedding Network for Multimodal Depression Detection

要約

自動うつ病検出を利用すると、うつ病を経験している人に対する早期介入が大幅に強化されます。
記録された臨床面接ビデオを使用した自動うつ病検出に関する数多くの提案にもかかわらず、面接の質問の階層構造を考慮することには限られた注意が払われてきました。
うつ病を診断するための臨床面接では、臨床医は、日常的なベースライン質問とフォローアップ質問を含む構造化された質問票を使用して、面接対象者の状態を評価します。
この論文では、臨床面接における主な質問とフォローアップの質問の間の階層関係を活用する、新しいうつ病検出フレームワークである HiQuE (Hierarchical Question Embedding network) を紹介します。
HiQuE は、複数のモダリティにわたる相互情報を学習することで、うつ病の診断における各質問の重要性を効果的に把握できます。
私たちは、広く使用されている臨床面接データである DAIC-WOZ について広範な実験を行っており、このモデルは他の最先端のマルチモーダルうつ病検出モデルや感情認識モデルよりも優れており、うつ病検出における臨床的有用性を示しています。

要約(オリジナル)

The utilization of automated depression detection significantly enhances early intervention for individuals experiencing depression. Despite numerous proposals on automated depression detection using recorded clinical interview videos, limited attention has been paid to considering the hierarchical structure of the interview questions. In clinical interviews for diagnosing depression, clinicians use a structured questionnaire that includes routine baseline questions and follow-up questions to assess the interviewee’s condition. This paper introduces HiQuE (Hierarchical Question Embedding network), a novel depression detection framework that leverages the hierarchical relationship between primary and follow-up questions in clinical interviews. HiQuE can effectively capture the importance of each question in diagnosing depression by learning mutual information across multiple modalities. We conduct extensive experiments on the widely-used clinical interview data, DAIC-WOZ, where our model outperforms other state-of-the-art multimodal depression detection models and emotion recognition models, showcasing its clinical utility in depression detection.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google