自动抑郁检测：一个情感音频-文本语料库及基于 GRU/BiLSTM 的模型
音频与语音处理
2022-02-17 v1 人工智能
声音
定量方法
摘要
抑郁症是一个全球性的心理健康问题，其最坏情况可导致自杀。自动抑郁检测系统在促进抑郁自我评估和提升诊断准确性方面提供了极大帮助。在本工作中，我们提出一种新颖的抑郁检测方法，利用参与者访谈中的语音特征与语言内容。此外，我们建立了情感音频-文本抑郁语料库（EATD-Corpus），其中包含抑郁与非抑郁志愿者的回答音频及提取的文本转录。据我们所知，EATD-Corpus 是首个且唯一包含中文音频与文本数据的公开抑郁数据集。在两个抑郁数据集上的评估表明，所提方法取得了最先进的性能。优异的结果证明了所提方法的有效性与泛化能力。源代码与 EATD-Corpus 可在 https://github.com/speechandlanguageprocessing/ICASSP2022-Depression 获取。
引用
@article{arxiv.2202.08210,
title = {Automatic Depression Detection: An Emotional Audio-Textual Corpus and a GRU/BiLSTM-based Model},
author = {Ying Shen and Huiyu Yang and Lin Lin},
journal= {arXiv preprint arXiv:2202.08210},
year = {2022}
}