Denne modellen, presentert i en artikkel i Mobile Networks and Applications, ble opplært til å gjenkjenne følelser hos mennesker
"Multiinformasjonsmodell av fellesalgoritmenbeslutningstaking skapes gjennom følelsesgjenkjenning," skrev Han Tian, Zhang Zhu og Xu Jing i papiret deres. "Modellen brukes til å analysere representative data om emner og for å hjelpe til med å diagnostisere depresjon hos individer."
Tian og kollegene hans trente modellen sin til å setteDAIC-WOZ-data, et sett med lyd- og 3D-ansiktsuttrykk fra pasienter diagnostisert med en depressiv lidelse og personer uten depresjon. Disse lydopptakene og ansiktsuttrykkene ble samlet inn under intervjuer utført av en virtuell agent som stilte ulike spørsmål om stemningen og livet til intervjuobjektet.
«Basert på studiet av taleegenskapene til personer meddepressiv lidelse, gir denne artikkelen en dybdestudie av diagnostisering av depresjon ved bruk av tale basert på taledata fra DAIC-WOZ-datasettet, skrev Tian, Zhu og Jian i sin studie. – For det første blir taleinformasjon forhåndsbehandlet, inkludert talepre-betoning, framing, endepunktsdeteksjon, denoising osv. For det andre brukes OpenSmile til å trekke ut karakteristikker ved talesignaler, og talekarakteristikker som kan reflektere funksjoner studeres og analyseres i dybden. .
Å trekke ut viktige funksjoner fra stemmenposter, bruker teamets modell OpenSmile (åpen kildekode tale og musikktolkning ved utvinning av stor plass). Det er et sett med verktøy som ofte brukes av informatikere for å trekke ut funksjoner fra lydklipp og klassifisere disse klippene.
Forskerne brukte dette verktøyet tilutvinning av individuelle trekk ved tale og deres kombinasjoner, som vanligvis finnes i talen til pasienter diagnostisert med depresjon. Deretter brukte de en teknikk kjent som Principal Component Analysis for å redusere settet med ekstraherte funksjoner.
Tian, Zhu og Jian vurderte modellen deres i serientester der de vurderte hennes evne til å oppdage deprimerte og ikke-deprimerte mennesker fra stemmeopptakene deres. Planen deres ga bemerkelsesverdige resultater, og oppdaget depresjon med en nøyaktighet på 87 % hos mannlige pasienter og 87,5 % hos kvinnelige pasienter.
I fremtiden, dyp læringsalgoritme,utviklet av denne gruppen av forskere kan bli et ekstra hjelpeverktøy for psykiatere og leger sammen med andre veletablerte diagnostiske verktøy. I tillegg kan denne forskningen inspirere til utvikling av lignende AI-verktøy for å oppdage tegn på psykiske lidelser basert på tale.
Les mer:
To bilder av jorden med en forskjell på 50 år ble sammenlignet hos NASA: hva forskerne fant
Forskere transplanterte menneskelig "hjerne" til rotter og fortalte hva som skjedde til slutt
ChatGPT intervjuet hos Google for $183 000 ingeniør