field:深度学习、抑郁症检测、多源数据融合
Title :Detecting depression tendency based on deep learning and multi-sources data
journal:Biomedical Signal Processing and Control
author: Weijun Ma , Song Qiu
data: 2023.7.27
research context:
使用多元数据结合集成模型训练来进行抑郁倾向的检测,主要内容:数据集的获取,模型的建立,训练和测试效果
Method:
1.提出了一种抑郁倾向检测的集成模型,该模型由三种模型构成,对应三种不同类型的数据源,分别为:
(1)用于社交网络文本数据的Bert社交网络模型
(2)用于步态图像数据的3D卷积模型
(3)用于步态关键点数据的LSTM模型
2.文章基于三种集成的模型采用了Majority Voting方法来对抑郁症检测
3.文章的结构:
(1)目前抑郁症的现状(WHO),传统研究方法的缺陷,总结之前研究的方法,以及不足,提出自己的研究,研究意义
(2)介绍研究方法:建立数据集(包括社交网络文本数据、步长数据)、模型(Bert、3D卷积、LSTM)、训练
社交网络模型:
步长关键点模型:
集成模型:
PS:模型要与其他模型对比
Goodness:
多元数据集,集成模型
可以在公共区域安装摄像头捕捉步态信息进行大范围预测
Badness:
1.数据集来源于大学生,而且样本较少
2.模型仍有改进的潜力
3.数据源较少,社交文本数据比较难以收集,仅仅依靠步态数据进行预测准确度不够,而且数据集难以有说服力
Discuss:
1.数据集的准确性,来源于医院,准确度更高
2.数据来源(微表情、量表)可以在与采访者面谈时获取,脑电波、激素水平可以诊断为几级抑郁