DEPAC：用于从语音中检测抑郁与焦虑的语料库
音频与语音处理
2023-06-23 v1 计算与语言
机器学习
声音
摘要
抑郁和焦虑等精神困扰在全球疾病负担中占比最大。由近期人工智能创新赋能的此类障碍自动诊断系统，可为减轻患者痛苦铺平道路。此类系统的开发需要信息丰富且均衡的语料库。本工作中，我们介绍一种新的精神困扰分析音频数据集 DEPAC，其基于抑郁和焦虑标准筛查工具的既定阈值进行标注。该大型数据集包含每位个体的多项语音任务以及相关人口统计信息。同时，我们提出一组由人工筛选的声学与语言学特征，这些特征被证明能有效识别人语音中心理疾病的迹象。最后，通过将基于该数据集构建的基线机器学习模型与在其他知名抑郁语料库上训练的基线模型性能进行比较，我们论证了所提音频语料库和特征集在预测抑郁严重程度方面的质量与有效性。
引用
@article{arxiv.2306.12443,
title = {DEPAC: a Corpus for Depression and Anxiety Detection from Speech},
author = {Mashrura Tasnim and Malikeh Ehghaghi and Brian Diep and Jekaterina Novikova},
journal= {arXiv preprint arXiv:2306.12443},
year = {2023}
}
备注
Accepted to the Eighth Workshop on Computational Linguistics and Clinical Psychology (CLPsych) at NAACL 2022