基于动态注意力机制的越南语语音情感抑郁诊断
声音
2024-12-13 v1 计算机视觉与模式识别
音频与语音处理
摘要
重度抑郁症是一种普遍且严重的精神健康状况，对个体的情绪、思维、行为以及对世界的整体感知产生负面影响。由于抑郁症状不明显，判断一个人是否抑郁是复杂的。然而，声音可能是我们识别抑郁迹象的因素之一。抑郁的人会表现出不适、悲伤，可能说话缓慢、颤抖，并失去情感。在本研究中，我们提出了动态卷积块注意力模块（Dynamic-CBAM），并将其应用于注意力门控循环网络（Attention-GRU）中，通过分析人类语音的情感进行分类。基于结果，我们可以诊断哪些患者患有抑郁症或有抑郁倾向，从而尽早开始治疗和预防。研究深入探讨了实现Attention-GRU深度学习架构所涉及的复杂计算步骤。通过实验，该模型在VNEMOS数据集上取得了令人印象深刻的识别效果，未加权准确率（UA）为0.87，加权准确率（WA）为0.86，F1分数为0.87。训练代码发布于 https://github.com/fiyud/Emotional-Vietnamese-Speech-Based-Depression-Diagnosis-Using-Dynamic-Attention-Mechanism
引用
@article{arxiv.2412.08683,
title = {Emotional Vietnamese Speech-Based Depression Diagnosis Using Dynamic Attention Mechanism},
author = {Quang-Anh N. D. and Manh-Hung Ha and Thai Kim Dinh and Minh-Duc Pham and Ninh Nguyen Van},
journal= {arXiv preprint arXiv:2412.08683},
year = {2024}
}
备注
9 Page, 5 Figures