用于双相情感障碍自动躁狂评估的多模态方法
计算与语言
2021-12-20 v1 机器学习
摘要
双相情感障碍是一种导致从抑郁到躁狂情绪波动的精神健康障碍。双相情感障碍的诊断通常基于患者访谈及从患者照护者处获得的报告。因此，诊断依赖于专家经验，且可能与其他精神障碍混淆。双相情感障碍诊断中的自动化流程有助于提供定量指标，并便于对患者进行更长时间的观察。此外，在 COVID-19 大流行期间，远程治疗与诊断的需求变得尤为关键。在本论文中，我们基于患者在声学、语言与视觉模态下的记录创建了一个多模态决策系统。该系统在 Bipolar Disorder 语料库上训练。我们对单模态与多模态系统以及多种融合技术进行了全面分析。除使用单模态特征处理完整患者会话外，还研究了片段的任务级考察。在采用声学、语言与视觉特征的多模态融合系统中，我们取得了 64.8% 的非加权平均召回率分数，优于该数据集上已有的 SOTA 性能。
引用
@article{arxiv.2112.09467,
title = {A Multimodal Approach for Automatic Mania Assessment in Bipolar Disorder},
author = {Pınar Baki},
journal= {arXiv preprint arXiv:2112.09467},
year = {2021}
}