Ce modèle, présenté dans un article dans Mobile Networks and Applications, a été formé pour reconnaître les émotions chez l'humain.
"Modèle multi-information de l'algorithme conjointla prise de décision est créée par la reconnaissance des émotions », ont écrit Han Tian, Zhang Zhu et Xu Jing dans leur article. "Le modèle est utilisé pour analyser des données représentatives sur les sujets et pour aider à diagnostiquer la dépression chez les sujets."
Tian et ses collègues ont formé leur modèle pour définirDonnées DAIC-WOZ, un ensemble d'expressions faciales audio et 3D de patients diagnostiqués avec un trouble dépressif et de personnes sans dépression. Ces enregistrements audio et expressions faciales ont été recueillis lors d'entretiens menés par un agent virtuel qui a posé diverses questions sur l'humeur et la vie de l'interviewé.
"Sur la base de l'étude des caractéristiques de la parole des personnes atteintes detrouble dépressif, cet article fournit une étude approfondie du diagnostic de la dépression à l'aide de la parole basée sur les données de parole de l'ensemble de données DAIC-WOZ, ont écrit Tian, Zhu et Jian dans leur étude. - Premièrement, les informations vocales sont prétraitées, y compris la préaccentuation de la parole, le cadrage, la détection des points finaux, le débruitage, etc. Deuxièmement, OpenSmile est utilisé pour extraire les caractéristiques des signaux vocaux, et les caractéristiques de la parole qui peuvent refléter les fonctions sont étudiées et analysées en profondeur. .
Pour extraire les caractéristiques importantes de la voixrecords, le modèle de l'équipe utilise OpenSmile (interprétation open source de la parole et de la musique par extraction de grands espaces). Il s'agit d'un ensemble d'outils souvent utilisés par les informaticiens pour extraire des caractéristiques de clips audio et classer ces clips.
Les chercheurs ont utilisé cet outil pourextraction des caractéristiques individuelles de la parole et de leurs combinaisons, que l'on trouve généralement dans la parole des patients diagnostiqués avec une dépression. Par la suite, ils ont utilisé une technique connue sous le nom d'analyse en composantes principales pour réduire l'ensemble des caractéristiques extraites.
Tian, Zhu et Jian ont noté leur modèle dans la sériedes tests dans lesquels ils ont évalué sa capacité à détecter les personnes déprimées et non déprimées à partir de leurs enregistrements vocaux. Leur schéma a produit des résultats remarquables, détectant la dépression avec une précision de 87 % chez les hommes et de 87,5 % chez les femmes.
À l'avenir, l'algorithme d'apprentissage en profondeur,développé par ce groupe de chercheurs peut devenir un outil auxiliaire supplémentaire pour les psychiatres et les médecins ainsi que d'autres outils de diagnostic bien établis. De plus, cette recherche pourrait inspirer le développement d'outils d'IA similaires pour détecter les signes de troubles mentaux basés sur la parole.
Lire la suite:
Deux photos de la Terre avec une différence de 50 ans ont été comparées à la NASA : ce que les scientifiques ont trouvé
Des scientifiques ont transplanté du "cerveau" humain sur des rats et ont raconté ce qui s'est finalement passé
ChatGPT interviewé chez Google pour un ingénieur de 183 000 $