IDRL: 個人対応型マルチモーダルうつ病関連表現学習フレームワークによるうつ病診断

要旨: うつ病は深刻な精神障害であり、信頼性の高い同定は早期介入と治療において極めて重要です。マルチモーダルうつ病検出は、複数のモダリティからの補完情報を共同でモデル化することにより診断性能を向上させることを目的とします。近年、うつ病分析のための多数のマルチモーダル学習アプローチが提案されていますが、これらの方法には以下の制限があります: 1) モダリティ間の不整合とうつ病に関連しない干渉、うつ病関連の手掛かりがモダリティ間で対立する可能性があり、一方で大量の無関係な内容が重要な抑うつ信号を覆い隠します。 2) 多様な個人の抑うつ表現により、モダリティと手掛かりの重要性に個人差が生じ、信頼性の高いフュージョンを妨げます。これらの問題に対処するため、堅牢なうつ病診断のための個人対応型マルチモーダルうつ病関連表現学習フレームワーク(IDRL)を提案します。具体的には、IDRLは 1) モダリティ共通の抑うつ空間、モダリティ特異的な抑うつ空間、および抑うつと無関係な空間へマルチモーダル表現を分離して、モダリティのアライメントを高めつつ無関係情報を抑制します。 2) 個人対応型モダリティフュージョンモジュール（IAF）を導入し、分離された抑うつ関連特徴の重みを予測上の重要性に基づいて動的に調整することで、異なる個人に対して適応的な横断モーダルフュージョンを実現します。広範な実験により、IDRLはマルチモーダルうつ病検出において優れたかつ頑健な性能を達成することが示されています。