基于口语与三维面部表情的抑郁症状严重程度测量
计算机视觉与模式识别
2018-11-28 v2 声音
音频与语音处理
摘要
全球有超过3亿人罹患抑郁症，抑郁症是一个全球性问题。由于社会污名、费用与治疗可及性等障碍，60%的成年精神疾病患者未接受任何心理健康服务。有效且高效的诊断依赖于检测抑郁症的临床症状。抑郁症状的自动检测有望提高诊断准确性与可及性，从而实现更快干预。在本文中，我们提出一种机器学习方法用于测量抑郁症状的严重程度。我们的多模态方法使用现代手机普遍具备的三维面部表情与口语。其在临床验证的患者健康问卷（PHQ）量表上取得了3.67分的平均误差（相对15.3%）。对于重性抑郁障碍的检测，我们的模型表现出83.3%的灵敏度与82.6%的特异度。总体而言，本文展示了如何结合语音识别、计算机视觉与自然语言处理来辅助心理健康患者与从业者。该技术可部署至全球手机，并促进低成本普惠心理健康照护。
引用
@article{arxiv.1811.08592,
title = {Measuring Depression Symptom Severity from Spoken Language and 3D Facial Expressions},
author = {Albert Haque and Michelle Guo and Adam S Miner and Li Fei-Fei},
journal= {arXiv preprint arXiv:1811.08592},
year = {2018}
}
备注
Machine Learning for Health (ML4H) Workshop at NeurIPS 2018 arXiv:1811.07216