Нейромережевий метод діагностування психологічних розладів за аналізом повідомлень на основі роздільного підходу до класифікації
Вантажиться...
Дата
2025
Назва журналу
Номер ISSN
Назва тому
Видавець
Хмельницький національний університет
Анотація
У статті розглядається використання нейромережевих методів для діагностування психологічних розладів через аналіз повідомлень у соціальних мережах. Дослідження показує, що застосування NLP-технологій та глибоких нейронних мереж для автоматизованої оцінки психоемоційного стану осіб здатне значно підвищити точність діагностики, а також забезпечити масштабованість та інноваційність у сфері охорони здоров'я. Використання таких технологій також відповідає глобальним цілям сталого розвитку, зокрема у покращенні психічного здоров'я, розвитку цифрової інфраструктури та зменшенні нерівності в доступі до медичних послуг.
Запропонований метод заснований на роздільному підході до класифікації різних психологічних розладів, що
підвищує точність та надійність діагностики. Кожен психологічний розлад аналізується окремо, що дозволяє уникнути взаємного впливу при класифікації. Процес діагностики включає три основні етапи: токенізацію текстів за допомогою відповідних токенізаторів, обробку токенів за допомогою нейромережевих моделей, які навчалися з нуля на спеціалізованих текстових наборах, та формування висновків щодо ймовірності наявності кожного з розладів.
Для навчання моделей використовували два відкриті набори даних. Експериментальні результати показали високу ефективність запропонованої методики: значення точності (Accuracy) варіюються в межах 0.81–0.90, а показники Precision, Recall та F1-score досягають 0.91, що свідчить про високу точність класифікації та здатність до диференціації психологічних станів. Запропонований метод демонструє кращі результати порівняно з існуючими аналогами та має великий потенціал для використання в автоматизованому виявленні психічних розладів. Подальші дослідження можуть бути спрямовані на вдосконалення стійкості моделей до мовних варіацій та розширення діагностованих станів.
The present work considers the use of neural network methods for diagnosing psychological diseases through the analysis of messages. The study shows that the use of NLP technologies and deep neural networks for automated assessment of the psycho-emotional state of individuals can significantly increase the accuracy of diagnostics, as well as ensure scalability and innovation in the field of healthcare. The use of such technologies also corresponds to the global goals of sustainable development, in particular in improving mental health, developing digital infrastructure and reducing inequalities in access to medical services. The proposed method is based on a separate approach to the classification of various psychological diseases, which increases the accuracy and reliability of diagnostics. Each psychological diseases is analyzed separately, which avoids mutual influence during classification. The diagnostic process includes three main stages: tokenization of texts using appropriate tokenizers, processing of tokens using neural network models, which were trained from scratch on specialized text sets, and drawing conclusions about the probability of the presence of each of the diseases. Two open datasets were used to train the models. Experimental results showed high efficiency of the proposed method: accuracy values vary within 0.81–0.90, and Precision, Recall and F1-score indicators reach 0.91, which indicates high classification accuracy and ability to differentiate psychological states. The proposed method demonstrates better results compared to existing analogues and has great potential for use in automated detection of mental diseases. Further research can be aimed at improving the robustness of models to language variations and expanding the diagnosed states.
The present work considers the use of neural network methods for diagnosing psychological diseases through the analysis of messages. The study shows that the use of NLP technologies and deep neural networks for automated assessment of the psycho-emotional state of individuals can significantly increase the accuracy of diagnostics, as well as ensure scalability and innovation in the field of healthcare. The use of such technologies also corresponds to the global goals of sustainable development, in particular in improving mental health, developing digital infrastructure and reducing inequalities in access to medical services. The proposed method is based on a separate approach to the classification of various psychological diseases, which increases the accuracy and reliability of diagnostics. Each psychological diseases is analyzed separately, which avoids mutual influence during classification. The diagnostic process includes three main stages: tokenization of texts using appropriate tokenizers, processing of tokens using neural network models, which were trained from scratch on specialized text sets, and drawing conclusions about the probability of the presence of each of the diseases. Two open datasets were used to train the models. Experimental results showed high efficiency of the proposed method: accuracy values vary within 0.81–0.90, and Precision, Recall and F1-score indicators reach 0.91, which indicates high classification accuracy and ability to differentiate psychological states. The proposed method demonstrates better results compared to existing analogues and has great potential for use in automated detection of mental diseases. Further research can be aimed at improving the robustness of models to language variations and expanding the diagnosed states.
Опис
Ключові слова
психологічні розлади, нейронні мережі, моделі-трансформери, роздільна класифікація, psychological diseases, neural networks, transformational models, separate classification
Бібліографічний опис
Овчарук О. Нейромережевий метод діагностування психологічних розладів за аналізом повідомлень на основі роздільного підходу до класифікації / О. Овчарук, О. Мазурець // Вимірювальна та обчислювальна техніка в технологічних процесах. – 2025. – № 1. – С. 210-216.