Denne model, præsenteret i et papir i Mobile Networks and Applications, blev trænet til at genkende følelser hos mennesker
"Multiinformationsmodel af den fælles algoritmebeslutningstagning skabes gennem følelsesgenkendelse,” skrev Han Tian, Zhang Zhu og Xu Jing i deres papir. "Modellen bliver brugt til at analysere repræsentative data om forsøgspersoner og til at hjælpe med at diagnosticere depression hos forsøgspersoner."
Tian og hans kolleger trænede deres model til at sætteDAIC-WOZ-data, et sæt lyd- og 3D-ansigtsudtryk fra patienter diagnosticeret med en depressiv lidelse og mennesker uden depression. Disse lydoptagelser og ansigtsudtryk blev indsamlet under interviews udført af en virtuel agent, som stillede forskellige spørgsmål om den interviewedes humør og liv.
”Baseret på undersøgelsen af taleegenskaber hos mennesker meddepressiv lidelse, giver denne artikel en dybdegående undersøgelse af diagnosticering af depression ved hjælp af tale baseret på taledata fra DAIC-WOZ-datasættet, skrev Tian, Zhu og Jian i deres undersøgelse. - For det første forbehandles taleinformation, herunder taleforbetoning, framing, slutpunktsdetektion, denoising osv. For det andet bruges OpenSmile til at udtrække karakteristika ved talesignaler, og taleegenskaber, der kan afspejle funktioner, studeres og analyseres i dybden. .
At udtrække vigtige funktioner fra stemmenoptager, bruger holdets model OpenSmile (open source tale og musikfortolkning ved storrumsudtrækning). Det er et sæt værktøjer, der ofte bruges af computerforskere til at udtrække funktioner fra lydklip og klassificere disse klip.
Forskerne brugte dette værktøj tiludvinding af individuelle træk ved tale og deres kombinationer, som normalt findes i talen hos patienter diagnosticeret med depression. Efterfølgende brugte de en teknik kendt som Principal Component Analysis for at reducere mængden af udtrukne funktioner.
Tian, Zhu og Jian bedømte deres model i serientests, hvor de vurderede hendes evne til at opdage deprimerede og ikke-deprimerede mennesker ud fra deres stemmeoptagelser. Deres skema gav bemærkelsesværdige resultater, idet de opdagede depression med en nøjagtighed på 87 % hos mandlige patienter og 87,5 % hos kvindelige patienter.
I fremtiden vil deep learning algoritme,udviklet af denne gruppe af forskere kan blive et ekstra hjælpeværktøj for psykiatere og læger sammen med andre veletablerede diagnostiske værktøjer. Derudover kan denne forskning inspirere til udvikling af lignende AI-værktøjer til at opdage tegn på psykiske lidelser baseret på tale.
Læs mere:
To billeder af Jorden med en forskel på 50 år blev sammenlignet på NASA: hvad forskerne fandt
Forskere transplanterede menneskelig "hjerne" til rotter og fortalte, hvad der skete til sidst
ChatGPT interviewet hos Google for $183.000 ingeniør