探索基于性别的语音模式用于自动精神疾病风险评估
计算与语言
2024-07-17 v1 机器学习
声音
音频与语音处理
摘要
在急诊医学中，及时干预自杀风险患者常受阻碍，主要因缺乏专业精神科护理资源。为弥合这一差距，我们引入一种基于语音的自动精神疾病风险评估方法。我们的研究涉及一组新型数据集，包含 20 名患者阅读中性文本的语音录音。我们提取四类语音表示，涵盖可解释特征和深度特征。进一步探讨性别建模和短语级归一化的影响。通过采用性别排除建模，我们发现来自情感微调的 wav2vec2.0 模型提取的特征可用于区分高于低风险的自杀风险，平衡准确率达 81%。最后，我们的分析揭示了语音特征与自杀风险之间关系在女性和男性患者之间存在差异：对于男性患者，风险随激动程度增加；而女性患者的语音特征则呈相反趋势。
引用
@article{arxiv.2407.11012,
title = {Exploring Gender-Specific Speech Patterns in Automatic Suicide Risk Assessment},
author = {Maurice Gerczuk and Shahin Amiriparian and Justina Lutz and Wolfgang Strube and Irina Papazova and Alkomiet Hasan and Björn W. Schuller},
journal= {arXiv preprint arXiv:2407.11012},
year = {2024}
}
备注
accepted at INTERSPEECH 2024