从语音声学特征预测个体抑郁症状
声音
2024-06-25 v1 人工智能
机器学习
音频与语音处理
摘要
当前的自动抑郁检测系统直接提供预测，而不依赖于临床抑郁评定量表中标注的个体抑郁症状/项目。相比之下，临床医生在临床环境中评估抑郁评定量表中的每个项目，从而隐含地为抑郁诊断提供了更详细的依据。在这项工作中，我们迈出了第一步，即在获得最终抑郁预测之前，利用语音的声学特征来预测抑郁评定量表的各个项目。为此，我们使用了卷积神经网络（CNN）和循环神经网络（长短期记忆网络（LSTM））。我们考虑了学习语音时间上下文的不同方法。此外，我们分析了用于个体项目预测和抑郁检测的两种投票方案变体。我们还包含了一个动画可视化，展示了随着语音进行，项目预测随时间变化的一个示例。
引用
@article{arxiv.2406.16000,
title = {Predicting Individual Depression Symptoms from Acoustic Features During Speech},
author = {Sebastian Rodriguez and Sri Harsha Dumpala and Katerina Dikaios and Sheri Rempel and Rudolf Uher and Sageev Oore},
journal= {arXiv preprint arXiv:2406.16000},
year = {2024}
}