Deep learning based classification of geriatric mood disorders using time series activity tracking data
저자
발행사항
Seoul : Sungkyunkwan University, 2023
학위논문사항
Thesis (M.A.)-- Sungkyunkwan University : Department of Mechanical Engineering 2023. 2
발행연도
2023
작성언어
영어
주제어
발행국(도시)
서울
기타서명
노인의 정서이상 선별을 위한 활동 추적 시계열 데이터를 사용한 딥러닝 분류기 개발
형태사항
51p. : ill., charts ; 30cm
일반주기명
Advisor: Mun-Taek Choi
Includes bibliographical reference(p. 42-49)
UCI식별코드
I804:11040-000000173872
DOI식별코드
소장기관
Geriatric depression adversely affects people with chronic illness and cognitive impairment, and the number of older people being treated for depression is increasing. Early diagnosis of depression is also important because depression is associated with a risk of dementia. In general, to examine depression, medical tests such as self-report questionnaires, MRI, and electroencephalography are performed. However, in many studies of depression, questions have been raised about the objectivity of questionnaire-based diagnosis, and other test methods also have cost and inconvenience problems. In order to overcome this point, a method for diagnosing mood disorders using an inexpensive and simple-to-use activity tracker is being studied.
In this study, time series activity tracking data collected using an activity tracker are be used to classify depression in the elderly in a low-cost and simple way using artificial intelligence. In the process of time series analysis, feature extraction can cause data to lose information in the data. However, using deep learning models, data compression for feature extraction is not required.
We obtained time series activity data from 391 participants using the wrist-worn activity tracker. And we did the work of refining the data into a form that the artificial intelligence model can learn. Missing data and irregular lengths were handled, and normalization and data set separation were performed. Using this data, several deep learning models for the classification of geriatric depression were learned. And we selected the best artificial intelligence model for this data.
To improve the depression classifier to the clinical level, a model that receives and mixes time series data and structured data is developed. A deep learning model for learning time series data and another deep learning model for learning questionnaire data have been developed to obtain depressive classification results by receiving two inputs and then combined in the concatenate layer. The performance of our geriatric depression classifier was improved to a clinically usable level by using clinically used depression diagnosis questionnaire items together with activity tracker data. This study was able to further reduce the number of assessment items. In addition, the significance of this study is that time series data and structured data can be used intact.
본 논문에서는 노인성 우울증 분류를 위한 연구를 수행했다. 일반적인 우울증 진단은 설문지와 심리상담을 통해 진행되는데 이 과정에서 진단 결과의 객관성에 대한 문제가 제기되어 왔다. 본 연구는 보다 객관적인 지표로 우울증을 구분하기 위해 391명의 경도인지장애가 있는 노인 환자들을 대상으로 손목착용형 활동 추적기를 이용해 24시간 주기의 생활 패턴 시계열 데이터로 우울증 분류를 시도한다. 본문에 소개된 이전 연구에서 활용하지 못했던 시계열 특성을 사용하기 위해 딥러닝 모델을 우울 분류에 시도하였으며 다양한 모델들을 적용하여 최적의 딥러닝 분류 모델을 개발했다. 또한 우울증 분류의 성능을 향상시키기 위해 데이터 혼합 입력 모델을 개발하였으며 우울 진단 설문지인 GDS의 문항을 딥러닝 모델 입력에 추가하여 95% 이상의 F1 점수를 달성하였다. 활동 추적기 데이터의 한계점은 이 데이터만 단독으로 인공지능 분류기를 학습했을때 80% 이상의 분류성능을 낼 수 없었으나 이 한계점을 극복하기 위해 이전 연구와 마찬가지로 일부 설문지 문항을 사용하였으며 본 연구에서는 이전 연구보다 더 적은 설문지 문항만 추가 사용하여 이전보다 더 높은 우울 분류 성능을 달성할 수 있었다.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)