使用深度学习从语音中检测抑郁症

人工智能(AI)工具在许多任务上取得了有希望的结果，并可能很快在各种环境中为专业人士提供帮助。近年来，计算机科学家一直在探索这些工具检测不同身体和精神状况迹象的潜力。

抑郁症是最普遍的精神疾病之一，每年影响约9.5%的美国成年人。可以自动检测抑郁症迹象的工具可能有助于降低自杀率，因为它们可以让医生及时识别需要心理支持的人。

金华高等研究院和哈尔滨理工大学的研究人员最近开发了一种深度学习算法，可以从一个人的言语中检测出抑郁。该模型在《移动网络与应用》上发表的一篇论文中介绍，通过分析不同的相关特征来识别人类语言中的情绪。

“通过情感识别建立了多信息联合决策算法模型，”Han Tian，Zhang Zhu和Xu Jing在他们的论文中写道。“该模型用于分析受试者的代表性数据，并协助诊断受试者是否患有抑郁症。

Tian和他的同事在DAIC-WOZ数据集上训练了他们的模型，该数据集收集了被诊断患有抑郁症的患者和没有抑郁症的人的音频和3D面部表情。这些录音和面部表情是在虚拟代理人带领的采访中收集的，他询问了有关受访者情绪和生活的不同问题。

“在探索抑郁症患者言语特征的基础上，本文基于DAIC-WOZ数据集中的言语数据对言语辅助抑郁症诊断进行了深入研究，”Tian，Zhu和Jian在他们的论文中写道。“首先，对语音信息进行预处理，包括语音信号预加重、成帧窗口、端点检测、降噪等。其次，利用OpenSmile提取语音信号的特征，对特征能够反映的语音特征进行深入研究和分析。

为了从录音中提取相关特征，该团队的模型使用了OpenSmile(通过大空间提取进行开源语音和音乐解释)。这是计算机科学家经常使用的工具包，用于从音频剪辑中提取特征并对这些剪辑进行分类。

研究人员使用该工具提取了被诊断患有抑郁症的患者语音中常见的单个语音特征和特征组合。随后，他们使用一种称为主成分分析的技术来减少他们提取的特征集。

Tian，Zhu和Jian在一系列测试中评估了他们的模型，他们评估了其从录音中检测抑郁和非抑郁患者的能力。他们的框架取得了显着的结果，在男性患者中检测抑郁症的准确率为87%，在女性患者中的准确率为87.5%。

在未来，这组研究人员开发的深度学习算法可以成为人类精神科医生和医生的额外辅助工具，以及其他成熟的诊断工具。此外，这项研究可以激发类似的人工智能工具的开发，用于从语音中检测精神疾病的迹象。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！