文献

J-GLOBAL ID：202102282037690821   整理番号：21A0442724

DRR抑制ネットネットワークに基づく表情からの鬱病重症度予測【JST・京大機械翻訳】

Depression severity prediction from facial expression based on the DRR_DepressionNet network

著者 (3件)： Li Xiangguo (Northwest Normal University,College of Physics and Electronic Engineering,Lanzhou,China) ,  Guo Weitong (Lanzhou University,School of Information Science Engineering,Lanzhou,China) ,  Yang Hongwu (Northwest Normal University,College of Physics and Electronic Engineering,Lanzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 2757-2764  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： うつ病は世界における重大な精神衛生疾患の1つになった。コンピュータビジョンベースの方法は,より効率的かつ客観的に鬱病の臨床診断を助けることが期待されるが,臨床データの欠如と認識の正確性の低さは,自動鬱病診断の幅広い応用を妨げている。鬱病予測の短所を考えると,本論文では,深い残差回帰ネットワークに基づく深いネットワークを提案し,深い残差回帰畳込みニューラルネットワーク(DRR_Depresset)と名付けた顔表情からのうつ病の重症度を予測した。最初に,訓練データを拡張するために元の顔画像を強化した。次に,これらの訓練データを用いて,異なる特徴情報を持ち,深い回帰残差ネットワーク(ResNet)を訓練した。従来のResNetネットワークと異なり,ネットワークを3つの主要なモジュール,すなわちC_Mブロック,Resブロック,およびGAPに分割した。また,ネットワークを訓練するための基底としてユークリッド損失関数によって,従来の構造における交差エントロピー損失関数を置き換えた。最後に,訓練されたネットワークを適用して,うつ病の重症度を反映する新しい被験者のBeck Depression Inventory(BDI)スコアを予測した。実験を,それぞれAVEC2013とAVEC2014鬱病データで検証した。実験結果は,最先端の性能と比較して,提案方法は,AVCE2013データセットで,それぞれ2.4%と0.3%のRMSEとMAEを改善でき,AVCE2014データセットで,それぞれ0.3%と1.1%のRMSEとMAEを改善することを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： エントロピー ,  損失関数 ,  *ネットワーク ,  基底 ,  残差 ,  *うつ病 ,  精神衛生 ,  表情 ,  コンピュータビジョン ,  顔画像
準シソーラス用語： 被験者 ,  訓練データ ,  *重症度 ,  顔表情 ,  畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (3件)： 医用画像処理  (JE04020T) ,  NMR一般  (BM07041R) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ネット ,  表情 ,  鬱病 ,  重症度 ,  予測