מודל זה, שהוצג במאמר ב- Mobile Networks and Applications, הוכשר לזהות רגשות באדם
"מודל ריבוי מידע של האלגוריתם המשותףקבלת החלטות נוצרת באמצעות זיהוי רגשות", כתבו האן טיאן, ג'אנג ג'ו ושו ג'ינג במאמרם. "המודל משמש לניתוח נתונים מייצגים על נבדקים וכדי לסייע באבחון דיכאון אצל נבדקים."
טיאן ועמיתיו אימנו את הדגם שלהם להגדירנתוני DAIC-WOZ, סט של הבעות פנים שמע ותלת מימדיות של מטופלים שאובחנו עם הפרעת דיכאון ואנשים ללא דיכאון. הקלטות השמע והבעות הפנים הללו נאספו במהלך ראיונות שערך סוכן וירטואלי ששאל שאלות שונות על מצב הרוח וחייו של המרואיין.
"מבוסס על חקר מאפייני הדיבור של אנשים עםהפרעת דיכאון, מאמר זה מספק מחקר מעמיק של אבחון דיכאון באמצעות דיבור המבוסס על נתוני דיבור ממערך הנתונים של DAIC-WOZ, כתבו Tian, Zhu וג'יאן במחקרם. - ראשית, מידע דיבור מעובד מראש, כולל הדגשה מוקדמת של דיבור, מסגור, זיהוי נקודות קצה, דה-נוז וכו'. שנית, OpenSmile משמש לחילוץ מאפיינים של אותות דיבור, ומאפייני דיבור שיכולים לשקף פונקציות נלמדים ומנתחים לעומק .
כדי לחלץ תכונות חשובות מהקולרשומות, המודל של הצוות משתמש ב-OpenSmile (פרשנות דיבור ומוזיקה בקוד פתוח על ידי חילוץ שטח גדול). זוהי קבוצה של כלים המשמשים לעתים קרובות מדעני מחשב כדי לחלץ תכונות מקטעי אודיו ולסווג את הקליפים הללו.
החוקרים השתמשו בכלי זה כדימיצוי של מאפיינים בודדים של דיבור ושילוביהם, שנמצאים בדרך כלל בדיבור של חולים המאובחנים עם דיכאון. לאחר מכן, הם השתמשו בטכניקה המכונה Principal Component Analysis כדי לצמצם את מערך התכונות שחולצו.
טיאן, ג'ו וג'יאן דירגו את הדגם שלהם בסדרהבדיקות שבהן העריכו את יכולתה לזהות אנשים מדוכאים ולא מדוכאים מהקלטות הקול שלהם. התוכנית שלהם הניבה תוצאות יוצאות דופן, וזיהתה דיכאון ברמת דיוק של 87% בחולים גברים ו-87.5% בנשים.
בעתיד, אלגוריתם למידה עמוקה,שפותחה על ידי קבוצת חוקרים זו עשויה להפוך לכלי עזר נוסף עבור פסיכיאטרים ורופאים יחד עם כלי אבחון מבוססים אחרים. בנוסף, מחקר זה עשוי להוות השראה לפיתוח כלי AI דומים לאיתור סימנים של הפרעות נפשיות על סמך דיבור.
קרא עוד:
שתי תמונות של כדור הארץ בהפרש של 50 שנה הושוו בנאס"א: מה שמצאו מדענים
מדענים השתילו "מוח" אנושי בחולדות וסיפרו מה קרה בסופו של דבר
ChatGPT התראיין ב-Google תמורת $183,000 מהנדס