面向临床访谈的可解释多模态抑郁识别
计算与语言
2025-01-28 v1
摘要
最近，针对临床访谈的多模态抑郁识别（MDRC）受到广泛关注。现有MDRC研究主要致力于提高任务性能，取得了显著的发展。然而，对于临床应用而言，模型透明度至关重要，而之前的工作忽略了决策过程的可解释性。为此，我们提出了面向临床访谈的可解释多模态抑郁识别（EMDRC）任务，旨在通过总结症状和揭示潜在原因来为抑郁识别提供证据。给定访谈者-参与者交互场景，EMDRC的目标是基于八项患者健康问卷抑郁量表（PHQ-8）结构化地总结参与者的症状，并预测其抑郁严重程度。为解决EMDRC任务，我们在现有MDRC数据集基础上构建了一个新数据集。此外，我们利用PHQ-8并提出了一种PHQ感知的多模态多任务学习框架，该框架捕获与症状相关的语义信息，以帮助生成对话级别的总结。我们在注释后的数据集上进行的实验结果表明，我们提出的方法在EMDRC任务上优于基线系统。
引用
@article{arxiv.2501.16106,
title = {Towards Explainable Multimodal Depression Recognition for Clinical Interviews},
author = {Wenjie Zheng and Qiming Xie and Zengzhi Wang and Jianfei Yu and Rui Xia},
journal= {arXiv preprint arXiv:2501.16106},
year = {2025}
}
备注
21 pages