본 연구는 우울증 및 고위험 우울증 상태를 탐지하기 위해 유튜브 브이로그 데이터를 활용하였습니다. 데이터 수집 과정에서 우울증 진단을 받은 사용자의 브이로그를 선별하여 고위험 우울증 및 우울증 그룹을 구성하였습니다.
제안된 MOGAM 모델은 객체 기반 그래프 신경망, 시각 정보, 메타데이터 특징을 통합하여 우울증 탐지 성능을 향상시켰습니다. 객체 간 관계를 학습하는 그래프 신경망과 다중 모달 특징의 통합을 통해 기존 모델 대비 우수한 성능을 달성하였습니다.
실험 결과, MOGAM 모델은 일반 브이로그, 우울증 브이로그, 고위험 우울증 브이로그를 효과적으로 구분할 수 있었습니다. 또한 벤치마크 데이터셋에서도 우수한 성능을 보여 MOGAM의 범용성을 검증하였습니다.
Naar een andere taal
vanuit de broninhoud
arxiv.org
Belangrijkste Inzichten Gedestilleerd Uit
by Junyeop Cha,... om arxiv.org 03-26-2024
https://arxiv.org/pdf/2403.15485.pdfDiepere vragen