Dit model, gepresenteerd in een artikel in Mobile Networks and Applications, is getraind om emoties bij mensen te herkennen
"Multi-informatiemodel van het gezamenlijke algoritmebesluitvorming komt tot stand door emotieherkenning”, schreven Han Tian, Zhang Zhu en Xu Jing in hun paper. "Het model wordt gebruikt om representatieve gegevens over proefpersonen te analyseren en om depressie bij proefpersonen te diagnosticeren."
Tian en zijn collega's trainden hun model om in te stellenDAIC-WOZ data, een set audio en 3D gezichtsuitdrukkingen van patiënten met de diagnose depressieve stoornis en mensen zonder depressie. Deze audio-opnames en gezichtsuitdrukkingen zijn verzameld tijdens interviews die werden afgenomen door een virtuele agent die verschillende vragen stelde over de stemming en het leven van de geïnterviewde.
“Op basis van onderzoek naar de spraakkenmerken van mensen metdepressieve stoornis, biedt dit artikel een diepgaande studie van het diagnosticeren van depressie met behulp van spraak op basis van spraakgegevens uit de DAIC-WOZ-dataset, schreven Tian, Zhu en Jian in hun onderzoek. - Ten eerste wordt spraakinformatie voorbewerkt, inclusief pre-emphasis van spraak, framing, eindpuntdetectie, denoising, enz. Ten tweede wordt OpenSmile gebruikt om kenmerken van spraaksignalen te extraheren en worden spraakkenmerken die functies kunnen weerspiegelen grondig bestudeerd en geanalyseerd .
Om belangrijke kenmerken uit de stem te halenrecords gebruikt het model van het team OpenSmile (open source spraak- en muziekinterpretatie door grote ruimte-extractie). Het is een set tools die vaak door computerwetenschappers worden gebruikt om kenmerken uit audioclips te extraheren en die clips te classificeren.
De onderzoekers gebruikten deze tool omextractie van individuele kenmerken van spraak en hun combinaties, die meestal worden aangetroffen in de spraak van patiënten met de diagnose depressie. Vervolgens gebruikten ze een techniek die bekend staat als Principal Component Analysis om de set geëxtraheerde kenmerken te verkleinen.
Tian, Zhu en Jian beoordeelden hun model in de serietests waarin ze haar vermogen beoordeelden om depressieve en niet-depressieve mensen te detecteren aan de hand van hun stemopnames. Hun schema leverde opmerkelijke resultaten op en detecteerde depressie met een nauwkeurigheid van 87% bij mannelijke patiënten en 87,5% bij vrouwelijke patiënten.
In de toekomst, deep learning algoritme,die door deze groep onderzoekers is ontwikkeld, kan een aanvullend hulpmiddel worden voor psychiaters en artsen, samen met andere gevestigde diagnostische hulpmiddelen. Bovendien kan dit onderzoek de ontwikkeling van vergelijkbare AI-tools inspireren voor het opsporen van tekenen van psychische stoornissen op basis van spraak.
Lees verder:
Twee foto's van de aarde met een verschil van 50 jaar werden vergeleken bij NASA: wat wetenschappers vonden
Wetenschappers transplanteerden menselijke "hersenen" in ratten en vertelden wat er uiteindelijk gebeurde
ChatGPT geïnterviewd bij Google voor ingenieur van $ 183.000