[논문 리뷰] MODMA dataset: a Multi-modal Open Dataset for Mental-disorder Analysis

Hanshu Cai, Yiwen Gao외 24명|arXiv (Cornell University)|2020. 02. 20.

EEG and Brain-Computer Interfaces참고 문헌 12인용 수 56

한 줄 요약

MODMA를 소개한다: 모달리티를 넘나드는 오픈 데이터셋으로, 임상적으로 진단된 우울증 환자와 일치 대조군의 EEG 및 오디오 데이터를 특징으로 하는 정신질환 분석용 다중 모달 데이터셋이다.

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.

연구 동기 및 목표

• 정신질환 진단에서 인터뷰 및 임상 척도를 보완할 생리적 지표의 필요성을 제시한다.
• 우울증 연구를 위한 고품질의 공개 가능한 다중 모달 데이터셋을 제공한다.
• EEG와 오디오 신호를 결합한 방법의 테스트 및 개발을 가능하게 한다.
• 피험자의 rigorous한 임상 진단을 보장하여 데이터셋의 신뢰성을 향상시킨다.

제안 방법

• 전통적인 128-전극 캡과 새로운 착용형 3-전극 EEG 수집기를 사용하여 광범위한 사용을 가능하게 한다.
• 128-전극 시스템으로 53명의 피험자에서 안정을 취한 상태와 자극 하에서 EEG를 기록한다.
• 55명의 피험자에 대해 안정 상태에서의 3-전극 EEG를 기록한다.
• 인터뷰, 독해, 그림 묘사 중에 52명의 피험자로부터 오디오 데이터를 수집한다.
• 모든 피험자는 전문 정신과 의사에 의해 진단되고 일치 대조군과 매칭되었다.

실험 결과

연구 질문

• RQ1 다중 모달 EEG와 오디오 데이터가 단일 모달 접근법에 비해 우울증의 탐지나 분석을 향상시킬 수 있는가?
• RQ2 임상 진단을 받은 환자에서 EEG와 오디오 신호의 어떤 생리적 지표가 우울증과 연관되는가?
• RQ3 안정 상태와 자극 하 EEG 패턴은 모달리티 간에 우울증 군과 대조군 사이에서 어떻게 다른가?
• RQ4 광범위한 정신건강 모니터링을 위한 3-전극 웨어러블 EEG 시스템의 타당성과 가치?

주요 결과

• 데이터세트에는 128-전극 EEG를 안정 상태 및 자극 하에서 기록한 53명의 피험자가 포함된다.
• 데이터세트에는 3-전극 EEG를 안정 상태에서 기록한 55명의 피험자가 포함된다.
• 음성 데이터는 인터뷰, 독해, 그림 묘사 중에 기록된 52명의 피험자에 대해 이용 가능하다.
• 모든 피험자는 병원 내 전문 정신과 의사에 의해 신중하게 진단되었다.
• 데이터세트는 다중 모달 신호를 통해 정신질환 분석 방법의 테스트를 가능하게 하도록 설계되었다.