基于多模态的抑郁症严重程度估计
计算机视觉与模式识别
2017-11-17 v1 计算与语言
摘要
抑郁症是一种主要致残性障碍，可影响各年龄段人群。随着年度抑郁症病例数的持续增加，有必要开发用于检测抑郁症存在与程度的自动技术。在本AVEC挑战赛中，我们探索不同模态（语音、语言以及从人脸提取的视觉特征）以设计和开发用于抑郁症检测的自动方法。在心理学文献中，PHQ-8问卷作为测量抑郁症严重程度的工具已被广泛确立。本文旨在从各模态提取的特征中自动预测PHQ-8分数。我们表明，从面部标志点提取的视觉特征在估计PHQ-8结果方面取得最佳性能，在开发集上的平均绝对误差（MAE）为4.66。来自语音的行为特征提供4.73的MAE。语言特征产生略高的MAE为5.17。当切换到测试集时，我们从音频转写衍生的轮次特征取得最佳性能，MAE为4.11（对应RMSE为4.94），这使我们的系统成为AVEC 2017抑郁症子挑战赛的优胜者。
引用
@article{arxiv.1711.06095,
title = {Depression Severity Estimation from Multiple Modalities},
author = {Evgeny Stepanov and Stephane Lathuiliere and Shammur Absar Chowdhury and Arindam Ghosh and Radu-Laurentiu Vieriu and Nicu Sebe and Giuseppe Riccardi},
journal= {arXiv preprint arXiv:1711.06095},
year = {2017}
}
备注
8 pages, 1 figure