「うつ病を見つけ出す!」現場にコミットする機械学習ノート【vol.2】

   
重要なお知らせ
AIスキル人材と企業をつなぐマッチングサービス「AIDB HR」を開始しました!
仕事を探す方はこちら、人材を探す企業の方はこちらからご利用ください。

こんにちは。エンジニアライターの小原です。

連載「現場にコミットする機械学習ノート」では、論文を詳しく読み解きながら、現場で使えるAI実装のヒントを記録していきたいと思います。


AIDBの全記事が読み放題のプレミアム会員登録はこちらから↓

前回の記事では、「ウェハーの欠陥の分類」を扱いました。今回はテーマをガラっと変えて、韓国の韓国科学技術院(KAIST)のB. Choiらが2020年5月に発表した「うつ病の分類」に関する論文を扱っていきます。

もくじ
1章 うつ病診断の課題
2章 うつ病診断に有効な学習方法の探索
2.1 研究目的
2.2 研究手法
2.2.1 データ
2.2.2 前処理
2.2.3 提案手法の流れ
2.2.4 特徴量抽出
2.2.5 共有表現への投影
2.2.6 教師無し学習による分類
2.2.7 半教師あり学習による分類
2.2.8 既存の手法(スクリーニング法)
2.2.9 スクリーニングSS
2.2.10 共有表現を可視化
2.2.11 LIMEで分析
2.3 研究結果

■前回の記事:【vol.1】半導体ウェハーの欠陥検出

1章
うつ病診断の課題

うつ病は、現代社会に蔓延している深刻な病気であり、誰もが当事者になりえます。最近では、新型コロナの影響で生活リズムや環境が変わり、不安を生じやすい状況であるため、いわゆる「コロナうつ」にかかる人が増えることが懸念されています。

しかし、うつ病患者の症状や病態生理は人によってさまざまであり、一概な対応は容易ではありません。現在のうつ病の診断は、専門家の医学知識と患者の協力を必要とする面談や、主観を排除しきれないアンケートに依存しています。

そこで韓国のB. Choiらは、アンケートによるうつ病の診断は主観的であるという現在の課題に着目し、半教師あり学習と教師なし学習を用いて、アンケート結果から学生を分類することを試みました。

2章
うつ病診断に有効な学習方法の探索

まずはB. Choiらの研究におけるミッション・手法・結果をまとめます。

当サイトの利用にはAIDBのアカウントが必要です。
また記事の購読には、アカウント作成後の決済が必要です。



※ログイン/初回登録後、下記ボタンを押してください。

AIDBとは
プレミアム会員(記事の購読)について


■サポートのお願い
AIDBを便利だと思っていただけた方に、任意の金額でサポートしていただけますと幸いです。






業界/カテゴリー

PAGE TOP