用于基于音频评估精神障碍的频率感知增强网络
音频与语音处理
2025-03-05 v2 声音
摘要
抑郁症和注意力缺陷多动障碍（ADHD）是当今常见的心理健康挑战。在情感计算中，语音信号可作为评估精神障碍的有效生物标志物。当前研究依赖于耗费人力的手工特征或简单的时频表示，往往因未考虑不同频带和时间波动的差异性影响而忽略关键细节。因此，我们提出了一种用于抑郁症和 ADHD 评估的具有动态卷积的频率感知增强网络。在所提方法中，频谱图被用作输入特征，并采用多尺度卷积以帮助网络聚焦于与精神障碍相关的具有区分度的频带。同时设计了动态卷积，基于与输入无关的注意力动态聚合多个卷积核，以捕获动态信息。最后，提出了特征增强块以增强特征表示能力并充分利用所捕获的信息。在 AVEC 2014 和自录 ADHD 数据集上的实验结果证明了我们方法的鲁棒性，在估计抑郁严重程度时达到了 9.23 的 RMSE，并在检测 ADHD 时达到了 89.8% 的准确率。
引用
@article{arxiv.2501.02516,
title = {A Frequency-aware Augmentation Network for Mental Disorders Assessment from Audio},
author = {Shuanglin Li and Siyang Song and Rajesh Nair and Syed Mohsen Naqvi},
journal= {arXiv preprint arXiv:2501.02516},
year = {2025}
}
备注
Have find some technical problems which need be addressed within a plenty of time, and some part of them should be completed