Αυτό το μοντέλο, που παρουσιάστηκε σε μια εργασία στο Mobile Networks and Applications, εκπαιδεύτηκε να αναγνωρίζει τα συναισθήματα στον άνθρωπο
«Μοντέλο πολλαπλών πληροφοριών του κοινού αλγορίθμουΗ λήψη αποφάσεων δημιουργείται μέσω της αναγνώρισης συναισθημάτων», έγραψαν οι Han Tian, Zhang Zhu και Xu Jing στην εργασία τους. "Το μοντέλο χρησιμοποιείται για την ανάλυση αντιπροσωπευτικών δεδομένων σχετικά με τα υποκείμενα και για να βοηθήσει στη διάγνωση της κατάθλιψης στα άτομα."
Ο Tian και οι συνάδελφοί του εκπαίδευσαν το μοντέλο τους στο στήσιμοΔεδομένα DAIC-WOZ, ένα σύνολο ακουστικών και τρισδιάστατων εκφράσεων προσώπου ασθενών που έχουν διαγνωστεί με καταθλιπτική διαταραχή και ατόμων χωρίς κατάθλιψη. Αυτές οι ηχογραφήσεις και οι εκφράσεις του προσώπου συλλέχθηκαν κατά τη διάρκεια συνεντεύξεων που διεξήχθησαν από έναν εικονικό πράκτορα που έκανε διάφορες ερωτήσεις σχετικά με τη διάθεση και τη ζωή του ερωτώμενου.
«Με βάση τη μελέτη των χαρακτηριστικών ομιλίας των ατόμων μεγια την καταθλιπτική διαταραχή, αυτό το άρθρο παρέχει μια εις βάθος μελέτη για τη διάγνωση της κατάθλιψης με χρήση ομιλίας με βάση τα δεδομένα ομιλίας από το σύνολο δεδομένων DAIC-WOZ, έγραψαν οι Tian, Zhu και Jian στη μελέτη τους. - Πρώτον, οι πληροφορίες ομιλίας υποβάλλονται σε προεπεξεργασία, συμπεριλαμβανομένης της προ-έμφασης ομιλίας, του πλαισίου, της ανίχνευσης τελικού σημείου, της αποθορυβοποίησης, κ.λπ. .
Για να εξαγάγετε σημαντικά χαρακτηριστικά από τη φωνήδίσκους, το μοντέλο της ομάδας χρησιμοποιεί OpenSmile (ανοιχτού κώδικα ερμηνεία ομιλίας και μουσικής με εξαγωγή μεγάλου χώρου). Είναι ένα σύνολο εργαλείων που χρησιμοποιούνται συχνά από επιστήμονες υπολογιστών για την εξαγωγή χαρακτηριστικών από ηχητικά κλιπ και την ταξινόμηση αυτών των κλιπ.
Οι ερευνητές χρησιμοποίησαν αυτό το εργαλείο για ναεξαγωγή επιμέρους χαρακτηριστικών του λόγου και των συνδυασμών τους, που συνήθως εντοπίζονται στην ομιλία ασθενών με διάγνωση κατάθλιψης. Στη συνέχεια, χρησιμοποίησαν μια τεχνική γνωστή ως Ανάλυση Κύριων Στοιχείων για να μειώσουν το σύνολο των εξαγόμενων χαρακτηριστικών.
Οι Tian, Zhu και Jian βαθμολόγησαν το μοντέλο τους στη σειράτεστ στα οποία αξιολόγησαν την ικανότητά της να ανιχνεύει καταθλιπτικά και μη άτομα από τις φωνητικές τους ηχογραφήσεις. Το σχέδιό τους παρήγαγε αξιοσημείωτα αποτελέσματα, ανιχνεύοντας την κατάθλιψη με ακρίβεια 87% σε άνδρες ασθενείς και 87,5% σε γυναίκες ασθενείς.
Στο μέλλον, ο αλγόριθμος βαθιάς μάθησης,που αναπτύχθηκε από αυτήν την ομάδα ερευνητών μπορεί να γίνει ένα επιπλέον βοηθητικό εργαλείο για ψυχιάτρους και γιατρούς μαζί με άλλα καθιερωμένα διαγνωστικά εργαλεία. Επιπλέον, αυτή η έρευνα μπορεί να εμπνεύσει την ανάπτυξη παρόμοιων εργαλείων τεχνητής νοημοσύνης για τον εντοπισμό σημείων ψυχικών διαταραχών με βάση την ομιλία.
Διαβάστε περισσότερα:
Δύο φωτογραφίες της Γης με διαφορά 50 ετών συγκρίθηκαν στη NASA: τι βρήκαν οι επιστήμονες
Οι επιστήμονες μεταμόσχευσαν ανθρώπινο «εγκέφαλο» σε αρουραίους και είπαν τι συνέβη στο τέλος
Συνέντευξη ChatGPT στην Google για μηχανικό 183.000 $