2023 Fiscal Year Research-status Report
Enhanced Depression Detection: Leveraging Multimodal AI for High-Precision Diagnostics Support
| Project/Area Number |
23K16909
|
|---|
| Research Institution | Ritsumeikan University |
|---|
Principal Investigator |
劉 家慶 立命館大学, 情報理工学部, 助教 (20948343)
|
|---|
| Project Period (FY) |
2023-04-01 – 2026-03-31
|
| Keywords | マルチモーダル / 共通特徴 / 固有特徴 / 類似性制約 / うつ状態 / 深層学習 / 情動データベース |
|---|
| Outline of Annual Research Achievements |
現代社会においてストレスが多い環境はうつ病診療の課題を拡大させ、これは国内外での深刻な社会問題となっている。このような状況下でうつ状態の早期発見と高精度な診断が重要であるが、これまでの研究では各モダリティを入力としたニューラルネットワークを用いてうつ病の検出精度の向上を試みていた。しかし、これまでのアプローチではモダリティ間の相補性を十分に活用していなかったため、うつ病の重症度推定と正解ラベルとの一致率は約0.6にとどまっていた。
本研究では、各モダリティの特性を全モダリティに共通する特徴とモダリティ固有の特徴に分解する新しい方法を提案する。この方法には、正規分布間のKLダイバージェンスを使用して、より細かな類似性制約を導入し、特徴の抽出と統合の精度を向上させることが確立される。以下の成果が得られた：
1.モダリティ間およびモダリティ内の特徴抽出法を提案し、モダリティ間の共起を考慮した重要な特徴領域を特定することができた。
2.Information Fusion、Neurocomputing、IEICE、IEEE EMBC、IEEE ICCEなど、トップ学術誌及び国際学会で発表してきた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
計画通りに以下の成果が得られた。
１）ダリティ間（inter-modality）およびモダリティ内(intra-modality)の特徴抽出法を提案し、高精度なうつ状態の推定することができた。
２）Information Fusion、Neurocomputing、IEICE、IEEE EMBC、IEEE ICCEなど、トップ学術誌及び国際学会で発表してきた。
|
| Strategy for Future Research Activity |
１）各モダリティを多変量ガウス分布として扱いことで，KLダイバージェンスに基づいて全モダリティ共有する成分を獲得手法を開発する。
２）異なるモダリティ間で互いに冗長性があり，全モダリティ共有する成分以外も，さらに各モダリティの固有成分を獲得手法を開発する。
|
| Causes of Carryover |
前年度の研究で使用したディープラーニングマシンを再利用したことで、新たな機器購入に関する予算を節約することができました。この経費は、海外学会への旅費として使用する予定です。
|
