Ovaj model, predstavljen u članku u časopisu Mobile Networks and Applications, obučen je za prepoznavanje emocija kod ljudi
„Višeinformacijski model zajedničkog algoritmadonošenje odluka nastaje kroz prepoznavanje emocija", napisali su Han Tian, Zhang Zhu i Xu Jing u svom radu. "Model se koristi za analizu reprezentativnih podataka o subjektima i za pomoć u dijagnosticiranju depresije kod ispitanika."
Tian i njegovi kolege obučili su svoj model za postavljanjeDAIC-WOZ podaci, skup audio i 3D izraza lica pacijenata s dijagnosticiranim depresivnim poremećajem i osoba bez depresije. Ove audio snimke i izrazi lica prikupljeni su tijekom intervjua koje je vodio virtualni agent koji je postavljao različita pitanja o raspoloženju i životu sugovornika.
“Na temelju proučavanja govornih karakteristika osoba sdepresivnog poremećaja, ovaj članak pruža dubinsku studiju dijagnosticiranja depresije pomoću govora na temelju govornih podataka iz skupa podataka DAIC-WOZ, napisali su Tian, Zhu i Jian u svojoj studiji. - Prvo, informacije o govoru se prethodno obrađuju, uključujući prethodno naglašavanje govora, kadriranje, otkrivanje krajnje točke, uklanjanje šuma, itd. Drugo, OpenSmile se koristi za izdvajanje karakteristika govornih signala, a karakteristike govora koje mogu odražavati funkcije proučavaju se i dubinski analiziraju .
Za izdvajanje važnih značajki iz glasaRecords, timski model koristi OpenSmile (otvoren izvor govora i glazbena interpretacija izvlačenjem velikog prostora). To je skup alata koje računalni znanstvenici često koriste za izdvajanje značajki iz audio zapisa i klasificiranje tih zapisa.
Istraživači su koristili ovaj alat zaizdvajanje pojedinačnih obilježja govora i njihovih kombinacija, koje se obično nalaze u govoru bolesnika s dijagnosticiranom depresijom. Nakon toga su upotrijebili tehniku poznatu kao Analiza glavnih komponenti kako bi smanjili skup izdvojenih značajki.
Tian, Zhu i Jian ocijenili su svoj model u serijitestove u kojima su procjenjivali njezinu sposobnost otkrivanja depresivnih i nedepresivnih osoba iz njihovih glasovnih snimaka. Njihova je shema dala izvanredne rezultate, otkrivajući depresiju s točnošću od 87% kod muških pacijenata i 87,5% kod ženskih pacijenata.
U budućnosti, algoritam dubokog učenja,koje je razvila ova skupina istraživača mogu postati dodatno pomoćno oruđe za psihijatre i liječnike zajedno s drugim dobro utvrđenim dijagnostičkim alatima. Osim toga, ovo bi istraživanje moglo potaknuti razvoj sličnih AI alata za otkrivanje znakova mentalnih poremećaja na temelju govora.
Čitaj više:
U NASA-i su usporedili dvije fotografije Zemlje s razlikom od 50 godina: što su znanstvenici otkrili
Znanstvenici su štakorima presadili ljudski “mozak” i ispričali što se na kraju dogodilo
ChatGPT intervjuiran u Googleu za inženjera od 183.000 dolara