基于环境智能的纵向监测口头和声音抑郁症状方法
摘要：自动语音识别(ASR)技术可以帮助检测、监测和评估个体的抑郁症状。ASR系统已被用作分析表明抑郁症的语音模式和特征的工具。抑郁症不仅影响一个人的情绪，也会影响他们的语音模式。抑郁症患者的语音可能呈现出语速较慢、停顿时间较长、音调变化较小和整体语言流畅度降低等改变。尽管机器学习在诊断抑郁症方面的应用越来越多，但对于复发问题的研究还存在缺乏。此外，以往的复发预测研究主要关注临床变量，并未考虑口头和非口头线索等其他因素。抑郁复发研究中另一个主要挑战是公开可用数据集的稀缺性。为了解决这些问题，我们提出了一个用于从语音中检测抑郁复发的单次学习框架。我们将抑郁复发定义为主体的语音音频和文本编码与抑郁个体的相似性。为了基于这一定义检测抑郁复发，我们采用了一个建模两个实例相似性的孪生神经网络。我们提出的方法显示出有希望的结果，并代表了自动抑郁复发检测和精神障碍监测领域的新进展。
作者：Alice Othmani and Muhammad Muzammel
论文ID：2308.08472
分类：Human-Computer Interaction
分类简称：cs.HC
提交时间：2023-08-17