[論文レビュー] MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis

Hanshu Cai, Yiwen Gao+24 more|arXiv (Cornell University)|Feb 20, 2020

EEG and Brain-Computer Interfaces参考文献 12被引用数 56

ひとこと要約

MODMAを紹介する、多モーダルの精神障害分析用オープンデータセットで、臨床的に診断されたうつ病患者と適切に対照がマッチした対照群の EEG および音声データを特徴とする。

ABSTRACT

According to the World Health Organization, the number of mental disorder patients, especially depression patients, has grown rapidly and become a leading contributor to the global burden of disease. However, the present common practice of depression diagnosis is based on interviews and clinical scales carried out by doctors, which is not only labor-consuming but also time-consuming. One important reason is due to the lack of physiological indicators for mental disorders. With the rising of tools such as data mining and artificial intelligence, using physiological data to explore new possible physiological indicators of mental disorder and creating new applications for mental disorder diagnosis has become a new research hot topic. However, good quality physiological data for mental disorder patients are hard to acquire. We present a multi-modal open dataset for mental-disorder analysis. The dataset includes EEG and audio data from clinically depressed patients and matching normal controls. All our patients were carefully diagnosed and selected by professional psychiatrists in hospitals. The EEG dataset includes not only data collected using traditional 128-electrodes mounted elastic cap, but also a novel wearable 3-electrode EEG collector for pervasive applications. The 128-electrodes EEG signals of 53 subjects were recorded as both in resting state and under stimulation; the 3-electrode EEG signals of 55 subjects were recorded in resting state; the audio data of 52 subjects were recorded during interviewing, reading, and picture description. We encourage other researchers in the field to use it for testing their methods of mental-disorder analysis.

研究の動機と目的

• 精神障害診断において、面接や臨床尺度を補完する生理的指標の必要性を喚起する。
• うつ病研究のために高品質で公開されている多モーダルデータセットを提供する。
• EEGと音声信号を結びつけた精神障害分析の手法の検証と開発を可能にする。
• 対象者の臨床診断を厳格に行い、データセットの信頼性を高める。

提案手法

• 従来の128電極キャップと、普及利用を想定した新規ウェアラブル3電極EEGコレクターを用いて EEG データを収集する。
• 128電極系を用いて53名の被験者の安静時および刺激時の EEG を記録する。
• 55名の被験者について3電極EEGの安静時データを記録する。
• 面接、読書、絵描き説明時の音声データを52名の被験者から取得する。
• 全被験者が専門の精神科医によって診断され、対照群とマッチングされていることを保証する。

実験結果

リサーチクエスチョン

• RQ1 複数モダリティの EEG と音声データは、単一モダリティと比較してうつ病の検出や分析を改善できるか？
• RQ2 臨床診断を受けた患者に関連する EEG と音声信号の生理的指標は何か？
• RQ3 モダリティを超えて、安静状態と刺激時の EEG パターンはうつ病群と対照群でどのように異なるか？
• RQ4 広範なメンタルヘルスモニタリングのために3電極ウェアラブルEEGシステムを展開する際の実現可能性と価値はどの程度か？

主な発見

• 本データセットには、安静時および刺激時に記録された128電極EEGを含む53名の被験者が含まれる。
• 安静時に3電極EEGを記録した55名の被験者を含む。
• 面接、読書、絵の説明中に記録された52名の被験者の音声データが利用可能である。
• すべての被験者は病院の専門精神科医によって慎重に診断された。
• データセットは多モーダル信号全体での精神障害分析手法の検証を可能にするよう設計されている。