Decision support system for the differentiation of schizophrenia and mood disorders using multiple deep learning models on wearable devices data

可穿戴计算机 计算机科学 人工智能 机器学习 心情 可穿戴技术 医学诊断 精神分裂症(面向对象编程) 医学 精神科 嵌入式系统 病理 程序设计语言
作者
Duc-Khanh Nguyen,Chien‐Lung Chan,Ai‐Hsien Li,Dinh‐Van Phan,Chung-Hsien Lan
出处
期刊:Health Informatics Journal [SAGE]
卷期号:28 (4): 146045822211375-146045822211375 被引量:11
标识
DOI:10.1177/14604582221137537
摘要

In the modern world, with so much inherent stress, mental health disorders (MHDs) are becoming more common in every country around the globe, causing a significant burden on society and patients’ families. MHDs come in many forms with various severities of symptoms and differing periods of suffering, and as a result it is difficult to differentiate between them and simple to confuse them with each other. Therefore, we propose a support system that employs deep learning (DL) with wearable device data to provide physicians with an objective reference resource by which to make differential diagnoses and plan treatment. We conducted experiments on open datasets containing activity motion signal data from wearable devices to identify schizophrenia and mood disorders (bipolar and unipolar), the datasets being named Psykose and Depresjon. The results showed that, in both workflow approaches, the proposed framework performed well in comparison with the traditional machine learning (ML) and DL methods. We concluded that applying DL models using activity motion signal data from wearable devices represents a prospective objective support system for MHD differentiation with a good performance.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
heed完成签到,获得积分20
1秒前
科研牛马发布了新的文献求助10
2秒前
陈敏发布了新的文献求助10
2秒前
bkagyin应助wg采纳,获得10
2秒前
4秒前
红尘发布了新的文献求助10
4秒前
怕黑行恶完成签到,获得积分10
5秒前
6秒前
7秒前
友好碧完成签到 ,获得积分10
8秒前
整齐芹菜关注了科研通微信公众号
9秒前
大笨冰完成签到 ,获得积分10
9秒前
11秒前
诸孱发布了新的文献求助10
11秒前
亮山火马发布了新的文献求助10
12秒前
13秒前
星辰大海应助侠客采纳,获得10
13秒前
不配.应助飘逸凌柏采纳,获得10
15秒前
红尘完成签到,获得积分10
15秒前
15秒前
15秒前
15秒前
xtz发布了新的文献求助30
18秒前
爱听歌的菠萝完成签到,获得积分10
18秒前
整齐芹菜发布了新的文献求助10
19秒前
小郭完成签到,获得积分10
20秒前
wg发布了新的文献求助10
20秒前
禾日青完成签到,获得积分10
21秒前
卷心菜完成签到,获得积分10
21秒前
24秒前
马海鑫完成签到,获得积分10
24秒前
25秒前
ericzhouxx完成签到,获得积分10
25秒前
27秒前
岛err发布了新的文献求助10
29秒前
29秒前
小蘑菇应助ericzhouxx采纳,获得10
29秒前
云辞忧完成签到,获得积分10
31秒前
搜集达人应助知性的笑槐采纳,获得10
32秒前
Rrr发布了新的文献求助30
32秒前
高分求助中
Sustainability in Tides Chemistry 2800
The Young builders of New china : the visit of the delegation of the WFDY to the Chinese People's Republic 1000
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
Foreign Policy of the French Second Empire: A Bibliography 500
Chen Hansheng: China’s Last Romantic Revolutionary 500
XAFS for Everyone 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3143741
求助须知:如何正确求助?哪些是违规求助? 2795245
关于积分的说明 7813862
捐赠科研通 2451235
什么是DOI,文献DOI怎么找? 1304371
科研通“疑难数据库(出版商)”最低求助积分说明 627221
版权声明 601413