Инструменты искусственного интеллекта (ИИ) добились многообещающих результатов в решении множества задач и вскоре могут помочь профессионалам в различных условиях. В последние годы ученые-компьютерщики изучают потенциал этих инструментов для обнаружения признаков различных физических и психических состояний.

Депрессия является одним из наиболее распространенных психических расстройств, от которого ежегодно страдают примерно 9,5% взрослых американцев. Инструменты, которые могут автоматически обнаруживать признаки депрессии, могут помочь снизить уровень самоубийств, поскольку они позволят врачам быстро выявлять людей, нуждающихся в психологической поддержке.

Исследователи из Института перспективных исследований Цзиньхуа и Харбинского университета науки и технологий недавно разработали алгоритм глубокого обучения, который может обнаруживать депрессию по речи человека. Эта модель, представленная в статье, опубликованной в Mobile Networks and Applications , была обучена распознавать эмоции в человеческой речи путем анализа различных соответствующих функций.

«Многоинформационная модель алгоритма совместного принятия решений создается посредством распознавания эмоций», — написали в своей статье Хань Тянь, Чжан Чжу и Сюй Цзин. «Модель используется для анализа репрезентативных данных об испытуемых и для помощи в диагностике депрессии у испытуемых».

Тиан и его коллеги обучили свою модель набору данных DAIC-WOZ, набору звуковых и трехмерных выражений лиц пациентов с диагнозом депрессивное расстройство и людей без депрессии. Эти аудиозаписи и мимика были собраны во время интервью, проводимых виртуальным агентом, который задавал различные вопросы о настроении и жизни интервьюируемого.

«На основе изучения речевых характеристик людей с депрессивным расстройством в этой статье проводится углубленное исследование диагностики депрессии с помощью речи на основе речевых данных из набора данных DAIC-WOZ», — написали Тянь, Чжу и Цзянь в своем исследовании. бумага. «Во-первых, речевая информация предварительно обрабатывается, включая предварительное выделение речевого сигнала, кадрирование, обнаружение конечной точки, шумоподавление и т. д. Во-вторых, OpenSmile используется для извлечения характеристик речевых сигналов, и речевые характеристики, которые могут отражать функции, изучены и проанализированы глубоко».

Чтобы извлечь важные функции из голосовых записей, модель команды использует OpenSmile (интерпретация речи и музыки с открытым исходным кодом путем извлечения большого пространства). Это набор инструментов, который часто используется учеными-компьютерщиками для извлечения характеристик из аудиоклипов и классификации этих клипов.

Исследователи использовали этот инструмент для извлечения отдельных особенностей речи и их комбинаций, которые обычно встречаются в речи пациентов с диагнозом депрессия. Впоследствии они использовали технику, известную как анализ основных компонентов , чтобы сократить набор извлекаемых признаков.

Тянь, Чжу и Цзянь оценили свою модель в серии тестов, в ходе которых они оценили ее способность обнаруживать депрессивных и недепрессивных людей по записям их голоса. Их схема дала замечательные результаты, выявляя депрессию с точностью 87% у пациентов мужского пола и 87,5% у пациентов женского пола.

В будущем алгоритм глубокого обучения, разработанный этой группой исследователей, может стать дополнительным вспомогательным инструментом для психиатров и врачей наряду с другими хорошо зарекомендовавшими себя диагностическими инструментами. Кроме того, это исследование может вдохновить на разработку аналогичных инструментов ИИ для выявления признаков психических расстройств по речи.