Questo modello, presentato in un articolo su Mobile Networks and Applications, è stato addestrato a riconoscere le emozioni nell'essere umano
"Modello multi-informazione dell'algoritmo congiuntoil processo decisionale viene creato attraverso il riconoscimento delle emozioni ", hanno scritto Han Tian, Zhang Zhu e Xu Jing nel loro articolo. "Il modello viene utilizzato per analizzare i dati rappresentativi sui soggetti e per aiutare a diagnosticare la depressione nei soggetti".
Tian ei suoi colleghi hanno addestrato il loro modello per ambientarloDati DAIC-WOZ, una serie di espressioni facciali audio e 3D di pazienti con diagnosi di disturbo depressivo e persone senza depressione. Queste registrazioni audio e le espressioni facciali sono state raccolte durante le interviste condotte da un agente virtuale che ha posto varie domande sull'umore e sulla vita dell'intervistato.
“Sulla base dello studio delle caratteristiche del linguaggio delle persone condisturbo depressivo, questo articolo fornisce uno studio approfondito sulla diagnosi della depressione utilizzando il linguaggio basato sui dati vocali del set di dati DAIC-WOZ, Tian, Zhu e Jian hanno scritto nel loro studio. - In primo luogo, le informazioni vocali vengono pre-elaborate, inclusa la pre-enfasi vocale, l'inquadratura, il rilevamento dell'endpoint, il denoising, ecc. In secondo luogo, OpenSmile viene utilizzato per estrarre le caratteristiche dei segnali vocali e le caratteristiche vocali che possono riflettere le funzioni vengono studiate e analizzate in profondità .
Per estrarre caratteristiche importanti dalla vocerecords, il modello del team utilizza OpenSmile (interpretazione open source di parlato e musica mediante estrazione di grandi spazi). È un insieme di strumenti spesso utilizzati dagli informatici per estrarre caratteristiche da clip audio e classificare tali clip.
I ricercatori hanno utilizzato questo strumento perestrazione delle singole caratteristiche del linguaggio e delle loro combinazioni, che di solito si trovano nel discorso dei pazienti con diagnosi di depressione. Successivamente, hanno utilizzato una tecnica nota come Analisi dei componenti principali per ridurre l'insieme delle caratteristiche estratte.
Tian, Zhu e Jian hanno valutato il loro modello nella serietest in cui hanno valutato la sua capacità di rilevare persone depresse e non depresse dalle loro registrazioni vocali. Il loro schema ha prodotto risultati notevoli, rilevando la depressione con una precisione dell'87% nei pazienti di sesso maschile e dell'87,5% nelle pazienti di sesso femminile.
In futuro, l'algoritmo di deep learning,sviluppato da questo gruppo di ricercatori può diventare un ulteriore strumento ausiliario per psichiatri e medici insieme ad altri strumenti diagnostici ben consolidati. Inoltre, questa ricerca potrebbe ispirare lo sviluppo di strumenti di intelligenza artificiale simili per rilevare segni di disturbi mentali basati sul linguaggio.
Leggi di più:
Alla NASA sono state confrontate due foto della Terra con una differenza di 50 anni: cosa hanno scoperto gli scienziati
Gli scienziati hanno trapiantato il "cervello" umano nei topi e hanno raccontato cosa è successo alla fine
ChatGPT intervistato presso Google per $ 183.000 ingegnere