Denna modell, som presenterades i en artikel i Mobile Networks and Applications, tränades för att känna igen känslor hos människor
"Multiinformationsmodell av den gemensamma algoritmenbeslutsfattande skapas genom känslomässig igenkänning”, skrev Han Tian, Zhang Zhu och Xu Jing i sin tidning. "Modellen används för att analysera representativa data om försökspersoner och för att hjälpa till att diagnostisera depression hos försökspersoner."
Tian och hans kollegor tränade sin modell att sättaDAIC-WOZ-data, en uppsättning ljud- och 3D-ansiktsuttryck för patienter som diagnostiserats med en depressiv sjukdom och personer utan depression. Dessa ljudinspelningar och ansiktsuttryck samlades in under intervjuer gjorda av en virtuell agent som ställde olika frågor om intervjupersonens humör och liv.
”Baserat på studiet av talegenskaper hos personer meddepressiv sjukdom, ger den här artikeln en djupgående studie av diagnostisering av depression med hjälp av tal baserat på taldata från DAIC-WOZ-datauppsättningen, skrev Tian, Zhu och Jian i sin studie. – För det första förbearbetas talinformation, inklusive talförbetoning, inramning, slutpunktsdetektering, denoising etc. För det andra används OpenSmile för att extrahera egenskaper hos talsignaler, och talegenskaper som kan reflektera funktioner studeras och analyseras på djupet .
För att extrahera viktiga funktioner från röstenrekord använder teamets modell OpenSmile (öppen källkod för tal och musiktolkning genom extraktion av stort utrymme). Det är en uppsättning verktyg som ofta används av datavetare för att extrahera funktioner från ljudklipp och klassificera dessa klipp.
Forskarna använde detta verktyg för attextraktion av individuella drag av tal och deras kombinationer, som vanligtvis finns i talet hos patienter som diagnostiserats med depression. Därefter använde de en teknik som kallas Principal Component Analysis för att minska mängden extraherade funktioner.
Tian, Zhu och Jian betygsatte sin modell i serientester där de bedömde hennes förmåga att upptäcka deprimerade och icke-deprimerade personer från deras röstinspelningar. Deras schema gav anmärkningsvärda resultat, detekterade depression med en noggrannhet på 87 % hos manliga patienter och 87,5 % hos kvinnliga patienter.
I framtiden kommer algoritm för djupinlärning,utvecklad av denna grupp av forskare kan bli ett extra hjälpverktyg för psykiatriker och läkare tillsammans med andra väletablerade diagnostiska verktyg. Dessutom kan denna forskning inspirera till utveckling av liknande AI-verktyg för att upptäcka tecken på psykiska störningar baserat på tal.
Läs mer:
Två foton av jorden med en skillnad på 50 år jämfördes på NASA: vad forskare fann
Forskare transplanterade mänsklig "hjärna" till råttor och berättade vad som hände till slut
ChatGPT intervjuades på Google för $183 000 ingenjör