基于深度卷积神经网络的自动化语音抑郁症筛查
机器学习
2020-02-03 v1 计算机视觉与模式识别
计算机与社会
多媒体
机器学习
摘要
抑郁症的早期发现与治疗对于促进康复、预防复发以及减轻疾病情感负担至关重要。当前的诊断主要依赖主观判断，不同专业人员之间不一致，且对可能急需帮助的个人而言费用高昂。本文提出一种利用卷积神经网络（CNN）与多部分交互训练进行语音自动化抑郁症检测的新方法。该模型使用来自77名非抑郁个体和30名抑郁个体的2568个语音样本进行测试。在实验中，数据以频谱图（由音频样本自动生成的图像）的形式应用于残差CNN。使用不同ResNet架构获得的实验结果给出了令人鼓舞的基线准确率，达到77%。
引用
@article{arxiv.1912.01115,
title = {Automated speech-based screening of depression using deep convolutional neural networks},
author = {Karol Chlasta and Krzysztof Wołk and Izabela Krejtz},
journal= {arXiv preprint arXiv:1912.01115},
year = {2020}
}
备注
10 pages, 8 figures and 2 tables, HCist 2019 - 8th International Conference on Health and Social Care Information Systems and Technologies (16-18 October 2019, Sousse, Tunisia)