Assessment of Bipolar Disorder using Heterogeneous Data of Smartphone-based Digital Phenotyping

論文翻譯標題: 應用智慧型手機之異質性數位足跡進行躁鬱症疾患評估
  • 劉 承叡

學生論文: Doctoral Thesis

摘要

在情感性疾患中,躁鬱症為現今常見的心理疾病之一。量表評估為診斷及追蹤躁鬱症的工具之一,但評估過程的人力及時間需求相當巨大,為了減少社會醫療資源的耗損,本論文透過智慧型手機遠端收集資料,且建立一個自動的量表分數預測系統,以協助臨床使用上更便利的診斷及評估。 本論文設計應用程式於智慧型手機收集使用者不同屬性的數位足跡資料,並透過這些異質性數位足跡來預測漢氏憂鬱量表及楊氏躁症量表的分數,作為躁鬱症的評估參考。本論文藉由應用程式於智慧型手機收集使用者的位置資訊(GPS)、自評量表、每日心情、睡眠時間及多媒體記錄(文字、語音及影像),以此建立一個異質性數位足跡的資料庫。 本論文方法中,將各類別的數位足跡資料進行特徵抽取後,投入模型訓練及預測量表分數,由於過往的研究沒有一套通用的模型,因此本論文選用了7種模型來做測試及比較,並組合不同數量的特徵參數類別來觀察異質性資料的效能提升與否,考量異質性資料中可能完全缺失特定類別的資料,本論文建立一個模型池及運用集成方法來生成分數,以增加系統對資料類別缺失的彈性。 本論文共收集了11位健康組與84位躁鬱症患者的異質性數位足跡,採用了5次交叉驗證做實驗評估依據。實驗結果顯示,Lasso Regression與ElasticNet Regression兩種模型的效果最為突出,且異質性資料比同質性資料擁有更好的效能,在漢氏憂鬱量表分數預測上的誤差為1 36及楊氏躁症量表的預測誤差為0 55。因長期且完整的異質性數位足跡收集困難,未來希望能收集更多的受測者及資料,能有更多的模型和前處理的選擇,也能把使用者的歷史資料作為參考,以此建立一個更加個人化且長期追蹤的系統。
獎項日期2020
原文English
監督員Chung-Hsien Wu (Supervisor)

引用此

'