面向及时干预的精神障碍评分早期估计创新框架
机器学习
2025-02-07 v1
摘要
个体的总体福祉受到抑郁和创后应激障碍 (PTSD) 等精神健康状况的影响，凸显了早期检测和精准诊断的重要性，以便及时进行临床干预。在本文中，我们提出一种先进的多模态深度学习系统，用于自动分类 PTSD 和抑郁。该方法利用来自临床访谈数据集的文本和音频数据，通过结合 LSTM (长短期记忆) 和 BiLSTM (双向长短期记忆) 的架构来整合两类特征。尽管文本特征聚焦于语音的语义和语法成分，但音频特征捕捉语音的节奏、语调和音调等声学特征。这种多模态结合增强了模型识别与精神健康状况相关的细微模式的能力。使用测试数据集，该方法实现了 92% 的抑郁分类准确率和 93% 的 PTSD 分类准确率，优于传统单模态方法，显示出其准确性和鲁棒性。
引用
@article{arxiv.2502.03965,
title = {Innovative Framework for Early Estimation of Mental Disorder Scores to Enable Timely Interventions},
author = {Himanshi Singh and Sadhana Tiwari and Sonali Agarwal and Ritesh Chandra and Sanjay Kumar Sonbhadra and Vrijendra Singh},
journal= {arXiv preprint arXiv:2502.03965},
year = {2025}
}