用于检测抑郁个别症状的自监督嵌入
声音
2024-06-26 v1 机器学习
音频与语音处理
摘要
抑郁是一种全球影响数百万人的常见精神疾病,需要可靠的评估系统。不同于以往仅关注抑郁检测或预测其严重程度的研究,本工作在利用语音输入同时识别抑郁的个别症状并预测其严重程度。我们利用自监督学习(SSL)基于语音的模型以更好地利用本任务中常见的小规模数据集。我们的研究表明,利用SSL嵌入相对于传统语音特征可实现显著的性能提升。我们比较了各种类型的SSL预训练模型,以阐明哪种语音信息(语义、说话人或抑情)在识别不同症状方面最有贡献。此外,我们评估了组合多个SSL嵌入对性能的影响。进一步,我们展示了多任务学习在有效识别抑郁症状方面的重要性。
引用
@article{arxiv.2406.17229,
title = {Self-Supervised Embeddings for Detecting Individual Symptoms of Depression},
author = {Sri Harsha Dumpala and Katerina Dikaios and Abraham Nunes and Frank Rudzicz and Rudolf Uher and Sageev Oore},
journal= {arXiv preprint arXiv:2406.17229},
year = {2024}
}
备注
Accepted at INTERSPEECH 2024