跨抑郁和创伤后应激障碍的三模态严重度融合诊断
计算与语言
2025-10-24 v1 人工智能
摘要
抑郁症和创伤后应激障碍（PTSD）常伴随相关症状同时出现，使得通常为二元且针对特定障碍的自动化评估复杂化。临床有用的诊断需要具有严重度意识的跨障碍估计和决策支持解释。我们的统一三模态情感严重度框架同步并融合了访谈文本（使用句子级Transformer嵌入）、音频（使用带差分的对数梅尔统计量）和面部信号（使用动作单元、注视、头部和姿态描述符），以输出用于诊断抑郁症（PHQ-8；5类）和PTSD（3类）的分级严重度。标准化特征通过校准的晚期融合分类器进行融合，产生每个障碍的概率和特征级归因。这种具有严重度意识的三模态情感融合方法在并发抑郁症和PTSD评估的多障碍场景中进行了演示。在DAIC衍生语料库上的分层交叉验证优于单模态/消融基线。融合模型在准确率和加权F1分数上与最强的单模态基线相匹配，同时在噪声或缺失模态下提高了决策曲线效用和鲁棒性。具体针对PTSD，融合减少了回归误差并改善了类别一致性。错误集中在相邻严重度之间；极端类别被可靠识别。消融实验表明，文本对抑郁症严重度贡献最大，而音频和面部线索对PTSD至关重要，归因结果与语言和行为标记一致。我们的方法为情感临床决策支持提供了可复现的评估和临床医生参与循环的支持。
引用
@article{arxiv.2510.20239,
title = {Tri-Modal Severity Fused Diagnosis across Depression and Post-traumatic Stress Disorders},
author = {Filippo Cenacchi and Deborah Richards and Longbing Cao},
journal= {arXiv preprint arXiv:2510.20239},
year = {2025}
}