基于多阶段扩张CNN-LSTM模型的语音抑郁严重程度分级分类
音频与语音处理
2021-04-12 v1 机器学习
摘要
基于语音的抑郁分类在近年来获得了极大的关注。然而，大多数分类研究集中于二分类，以区分抑郁受试者与非抑郁受试者。在本文中，我们将抑郁分类任务构建为一个严重程度分级分类问题，以赋予分类结果更细的粒度。我们使用为捕捉神经运动协调变化而开发的发音协调特征（ACFs），该变化由精神运动迟滞引起，而精神运动迟滞是重度抑郁症的必要特征。由声道变量（TVs）导出的ACFs被用于训练基于扩张卷积神经网络（CNN）的抑郁分类模型，以获得片段级预测。然后，我们提出一种基于循环神经网络（RNN）的方法，从片段级预测获得会话级预测。我们表明，当将会话级分类器训练于由其获得的嵌入上时，片段级分类器的优势被放大。与由梅尔频率倒谱系数（MFCCs）导出的ACFs相比，训练于由TVs导出的ACFs上的模型在会话级分类任务中取得了27.47%的未加权平均召回率（UAR）相对提升。
引用
@article{arxiv.2104.04195,
title = {Speech based Depression Severity Level Classification Using a Multi-Stage Dilated CNN-LSTM Model},
author = {Nadee Seneviratne and Carol Espy-Wilson},
journal= {arXiv preprint arXiv:2104.04195},
year = {2021}
}
备注
5 pages, submitted to Interspeech 2021. arXiv admin note: text overlap with arXiv:2011.06739