MF-GCN: A Multi-Frequency Graph Convolutional Network for Tri-Modal Depression Detection Using Eye-Tracking, Facial, and Acoustic Features
Created by
Haebom
Category
Empty
저자
Sejuti Rahman, Swakshar Deb, MD. Sameer Iqbal Chowdhury, MD. Jubair Ahmed Sourov, Mohammad Shamsuddin
개요
본 논문은 우울증 환자에게서 자주 관찰되는 부정적 자극에 대한 주의 편향을 정량화하기 위해 시선 추적 데이터를 사용하고, 우울증의 특징인 정동 둔마와 정신 운동 지연을 포착하기 위해 오디오 및 비디오 데이터를 활용합니다. 제안된 Multi-Frequency Graph Convolutional Network (MF-GCN)은 저주파 및 고주파 신호를 모두 활용하는 Multi-Frequency Filter Bank Module (MFFBM)을 통해 기존 그래프 기반 모델의 한계를 극복합니다. 이 모델은 이진 및 3가지 클래스 분류 작업에서 우수한 성능을 보였으며, 중국어 다중 모드 우울증 코퍼스(CMDC) 데이터 세트에서도 일반화 능력을 입증했습니다.
시사점, 한계점
•
시사점:
◦
우울증 진단을 위한 시선 추적, 오디오, 비디오 데이터를 결합한 다중 모드 접근 방식 제시.
◦
MF-GCN 모델을 통해 저주파 및 고주파 신호를 모두 효과적으로 활용하여 정확도를 향상시킴.
