基于音频特征的抑郁症检测中的性别偏差
声音
2021-08-19 v3 机器学习
音频与语音处理
信号处理
摘要
抑郁症是一个大规模心理健康问题，也是机器学习研究者进行抑郁症检测的挑战性领域。诸如 Distress Analysis Interview Corpus - Wizard of Oz（DAIC-WOZ）等数据集已被创建以辅助该领域的研究。然而，除了准确检测抑郁症固有的挑战外，数据集中的偏差可能导致分类性能被歪曲。本文我们考察 DAIC-WOZ 数据集中的性别偏差。我们表明 DAIC-WOZ 中的性别偏差可能导致性能被高估。借助公平机器学习（Fair Machine Learning）中的不同概念，如数据重分布，并利用原始音频特征，我们可以减轻偏差的有害影响。
引用
@article{arxiv.2010.15120,
title = {Gender Bias in Depression Detection Using Audio Features},
author = {Andrew Bailey and Mark D. Plumbley},
journal= {arXiv preprint arXiv:2010.15120},
year = {2021}
}
备注
5 pages, 2 figures, to be published at EUSIPCO 2021