一种用于语音抑郁识别的新型决策树
音频与语音处理
2020-03-02 v1 机器学习
声音
定量方法
机器学习
摘要
抑郁症是一种全球常见的精神障碍，会导致一系列严重后果。抑郁症的诊断依赖于患者自报量表和精神科医生访谈，这可能带来主观偏差。近年来，越来越多的研究者致力于语音抑郁识别，其可能是一种有效且客观的指示指标。本研究提出一种基于决策树的语音片段融合方法以提高抑郁识别准确率，并在 52 名受试者（23 名抑郁患者与 29 名健康对照）样本上进行了验证。在性别相关模型中，男性和女性的识别准确率分别为 75.8% 和 68.5%。由数据可得出结论，所提出的决策树模型能够改善抑郁分类性能。
引用
@article{arxiv.2002.12759,
title = {A Novel Decision Tree for Depression Recognition in Speech},
author = {Zhenyu Liu and Dongyu Wang and Lan Zhang and Bin Hu},
journal= {arXiv preprint arXiv:2002.12759},
year = {2020}
}