多模特特征选择用于检测母亲与青少年后代的双向相互作用中的抑郁症

科学领域:

• 精神病学和心理学 精神病学和心理学
• 计算语言学 计算语言学
• 人与计算机的交互

背景情况:

• 抑郁症是一种普遍存在的全球心理健康障碍,具有重大代际影响.
• 在家庭背景下理解抑郁症需要与发展阶段相关的可解释特征.
• 准确的抑郁症检测对于有针对性的干预和家庭支持至关重要.

研究的目的:

• 为了确定与青少年儿童互动的母亲中抑郁症检测的可解释特征.
• 探索和比较多式联络特征选择策略,以提高抑郁症检测准确度.
• 评估差异通胀因子 (VIF) 和沙普利值在特征减少和选择中的有效性.

主要方法:

• 研究了患有抑郁症和没有抑郁症的母亲,通过治疗史和症状严重程度来定义抑郁症.
• 利用多式联络数据,包括面部/头部动态,面部动作单元,语音和双层交互期间的口头内容.
• 应用变量膨胀因子 (VIF) 用于对线性校正和Shapley值用于特征选择.

主要成果:

• 差异通胀因子 (VIF) 将特征维度降低了大约四倍.
• 在VIF校正后应用的Shapley特征选择表明了最佳性能.
• 通过沙普利分析识别的前15个特征在抑郁症检测中取得了78%的准确性.
• 信息特征来自所有四种采样模式 (面部,言语,口头).

结论:

• 多模式特征选择对于强大的低压检测至关重要.
• 结合VIF的对线性和Shapley值的特征重要性,提供了一个有效的策略.
• 这些发现强调了整合各种数据流的价值,以了解和检测孕产妇抑郁症.