<ins id="617x2"></ins>
<noframes id="617x2"><small id="617x2"></small></noframes>
  • <tr id="617x2"><nobr id="617x2"><delect id="617x2"></delect></nobr></tr>
    <ins id="617x2"><video id="617x2"><var id="617x2"></var></video></ins>
    1. <tr id="617x2"><small id="617x2"><delect id="617x2"></delect></small></tr><tr id="617x2"></tr>
    2. 侵權投訴
      訂閱
      糾錯
      加入自媒體

      研究人員僅通過文本數據就能準確地識別出PTSD患者

      機器學習(Machine Learning)模型有潛力發展成為一種容易獲得和經濟有效的篩查工具。

      阿爾伯塔大學4月7日消息

      阿爾伯塔大學(University of Alberta)的研究人員訓練了一種機器學習模型,通過分析文本數據來識別創傷后應激障礙(Post-traumatic stress disorder, PTSD)患者,準確率達到 80% 。該模型有一天可以作為一種方便和廉價的篩查工具,支持衛生專業人員通過遠程醫療平臺檢測和診斷創傷后應激障礙或其他精神健康障礙。研究近日發表在《精神病學前沿》(Frontiers in Psychiatry)雜志上。

      研究于2022年2月1日發表在《Frontiers in Psychiatry》(最新影響因子:4.157)雜志上

      領導這個項目的精神病學博士生 Jeff Sawalha 對來自南加州大學創新技術研究所(USC’s Institute for Creative Technologies)的 Jonathan Gratch 創建的數據集的文本進行了情感分析(sentiment analysis)!扒楦蟹治錾婕暗酱罅康臄祿,如一系列推文的內容,并將其分類。例如,看看有多少人在表達積極的想法,有多少人在表達消極的想法,”阿爾伯塔機器智能研究所(Alberta Machine Intelligence Institute)的創始科學主任、計算科學系教授、該研究的合著者 Russ Greiner 博士解釋說。

      Jeff Sawalha 博士

      Russ Greiner 教授

      Sawalha 說:“我們想從這個數據集中嚴格地觀察情感分析,看看我們是否可以僅僅通過這些訪談的情緒內容就正確地識別或區分 PTSD 患者!

      南加州大學數據集中的文本是通過250個半結構化訪談(Semi-structured Interviews,指按照一個粗線條式的訪談提綱而進行的非正式的訪談)收集的,訪談對象是一個名叫 Ellie 的人工角色,通過視頻電話與 188 名非創傷后應激障礙患者和 87 名創傷后應激障礙患者進行訪談。

      半結構化訪談

      Sawalha 和他的團隊能夠通過分數來識別 PTSD 患者,這些分數表明他們的語言主要表現為中性或消極反應。

      “這與很多關于情緒和創傷后應激障礙的文獻是一致的。有些人傾向于中立,麻木自己的情緒,也許不會說太多。還有一些人會表達他們的負面情緒!

      這個過程無疑是復雜的,Greiner 教授解釋說,即使是像“我不討厭那個”這樣簡單的短語,也可能很難歸類。然而,Sawalha 能夠僅從文本數據中收集到哪些人患有 PTSD 的信息,這一事實為將類似模型應用于其他心理健康障礙的數據集打開了一扇大門。

      “文本數據無處不在,觸手可及,你擁有如此多的文本數據,” Sawalha 說,“從機器學習的角度來看,有了這么多的數據,它可能能夠更好地學習一些復雜的模式,這些模式有助于區分患有特定精神疾病的人!

      下一步包括與阿爾伯塔大學的合作者合作,看看是否可以整合其他類型的數據,如語音或動作,以幫助豐富模型。此外,Sawalha 解釋說,像阿爾茨海默病這樣的神經疾病以及像精神分裂癥這樣的精神健康疾病都有很強的語言成分,這使它們成為另一個潛在的分析領域。

      文本情感分析

      (也稱為意見挖掘)是指用自然語言處理、文本挖掘以及計算機語言學等方法來識別和提取原素材中的主觀信息。

      通常來說,情感分析的目的是為了找出說話者/作者在某些話題上或者針對一個文本兩極的觀點的態度。這個態度或許是他或她的個人判斷或是評估,也許是他當時的情感狀態(就是說,作者在做出這個言論時的情緒狀態),或是作者有意向的情感交流(就是作者想要讀者所體驗的情緒)。

      -維基百科

      參考文獻

      Source:University of Alberta

      Researchers accurately identify people with PTSD through text data alone

      Reference:

      Sawalha J, Yousefnezhad M, Shah Z, Brown MRG, Greenshaw AJ, Greiner R. Detecting Presence of PTSD Using Sentiment Analysis From Text Data. Front Psychiatry. 2022 Feb 1;12:811392. doi: 10.3389/fpsyt.2021.811392. PMID: 35178000; PMCID: PMC8844448.

      免責聲明

      本公眾號上的醫療信息僅作為信息資源提供與分享,不用于或依賴于任何診斷或治療目的。此信息不應替代專業診斷或治療。在做出任何醫療決定或有關特定醫療狀況的指導之前,請咨詢你的醫生。

             原文標題 : 研究人員僅通過文本數據就能準確地識別出PTSD患者

      聲明: 本文由入駐維科號的作者撰寫,觀點僅代表作者本人,不代表OFweek立場。如有侵權或其他問題,請聯系舉報。

      發表評論

      0條評論,0人參與

      請輸入評論內容...

      請輸入評論/評論長度6~500個字

      您提交的評論過于頻繁,請輸入驗證碼繼續

      暫無評論

      暫無評論

      醫療科技 獵頭職位 更多
      文章糾錯
      x
      *文字標題:
      *糾錯內容:
      聯系郵箱:
      *驗 證 碼:

      粵公網安備 44030502002758號

      无码人妻精品一区二区三区99

      <ins id="617x2"></ins>
      <noframes id="617x2"><small id="617x2"></small></noframes>
    3. <tr id="617x2"><nobr id="617x2"><delect id="617x2"></delect></nobr></tr>
      <ins id="617x2"><video id="617x2"><var id="617x2"></var></video></ins>
      1. <tr id="617x2"><small id="617x2"><delect id="617x2"></delect></small></tr><tr id="617x2"></tr>