使用移动数据和深度模型评估听觉言语幻觉

​

Using Mobile Data and Deep Models to Assess Auditory Verbal
Hallucinations

解决问题：本论文旨在通过使用移动数据和深度模型来评估听觉言语幻觉，这是一种常见的精神疾病症状。作者试图通过手机应用程序收集参与者的自我报告和语言日记，以及移动传感器数据，预测听觉言语幻觉的情感价值，以评估精神疾病的严重程度。

关键思路：本论文的关键思路是利用移动数据和深度模型来预测听觉言语幻觉的情感价值。相比于当前领域的研究，该论文提供了一种新的、非侵入性的方法来评估精神疾病的严重程度。

其他亮点：该论文的实验设计非常详细，使用了移动应用程序、语言日记和移动传感器数据来收集数据，使用了数据融合和迁移学习等技术来训练深度模型。该论文的代码已经开源，对于深入研究情感分析和精神疾病诊断的研究具有一定的参考价值。

关于作者：本论文的主要作者是Shayan Mirjafari、Subigya Nepal、Weichen Wang和Andrew T. Campbell。他们分别来自美国诺斯韦斯特大学、纽约大学和杜克大学。Shayan Mirjafari曾在多个人工智能领域的顶级会议上发表过论文，包括AAAI、ACL、EMNLP等。Subigya Nepal曾在SIGMOD和VLDB等数据库领域的顶级会议上发表过论文。Andrew T. Campbell是一位著名的计算机科学家，他在移动计算和移动健康领域有着广泛的研究经验。

相关研究：近期其他相关的研究包括“Predicting the Severity of Self-Reported Hallucinations in Schizophrenia Using Mobile Sensing”（作者：Rui Wang等，机构：斯坦福大学）和“Smartphone-Based Recognition of States and State Changes in Bipolar Disorder Patients”（作者：Florian Schambach等，机构：慕尼黑工业大学）。这些研究都探讨了如何使用移动数据和深度学习来评估精神疾病的严重程度。

论文摘要：本研究使用移动数据和深度模型评估听觉言语幻觉。幻觉是在没有真实外部感官刺激的情况下出现的表观知觉。听觉幻觉是听到并不存在的声音的感知。听觉幻觉的一种常见形式是在没有任何说话者的情况下听到声音，这被称为听觉言语幻觉（AVH）。AVH是大多数出现在被诊断为双相情感障碍和精神分裂症等精神疾病患者中的大脑创造的碎片。评估幻听声音的价值（即声音的负面或正面程度）可以帮助衡量精神疾病的严重程度。我们研究了435名经历听到声音的个体，以评估听觉言语幻觉。参与者通过生态瞬间评估四次每天报告他们听到的声音的价值一个月，问题有四个答案范围，从“根本不”到“极其”。我们通过移动应用程序收集这些自我报告作为AVH事件的价值监督。使用该应用程序，参与者还记录音频日记，口头描述幻听声音的内容。此外，我们通过移动传感数据被动地收集上下文信号。然后，我们尝试预测从音频日记和移动传感数据中获取的这些语言和上下文线索对听觉言语幻觉事件的预测能力。最后，使用转移学习和数据融合技术，我们训练了一个神经网络模型，该模型可以预测AVH的价值，其性能为54％的top-1和72％的top-2 F1得分。

​Read More