基于MFCC和CNN生成谱图特征的抑郁症检测深度学习模型,Biomedical Signal Processing and Control

抑郁症是当今世界各地不同年龄段的人遇到的主要心理健康问题之一。与任何其他心理健康问题一样，鉴于明显的社会保留以及社会缺乏认识和接受度，抑郁症也给医生和临床专家带来了诊断挑战。长期以来，研究人员一直在寻找利用自动化系统和计算机从个人的言语和反应中识别抑郁症状的方法。在本文中，我们提出了一种基于音频的抑郁症检测方法，该方法依赖于神经网络进行基于音频频谱图的特征提取以及抑郁症与非抑郁症患者的语音/反应模式之间的分类。我们在工作中采用多模态方法，通过新颖的CNN网络结合梅尔倒谱系数 (MFCC) 特征以及从音频文件中提取的频谱图特征。我们的 CNN 模型展示了优化的残差块和“glorot Uniform”内核初始化器。所提出的方法的性能在多模式和多特征试验中进行了评估。我们在标准基准数据集 DAIC-WOZ 和 MODMA 上展示了我们的结果，这些数据集提供了与抑郁症状识别相关的问卷和患者反应的存储库。我们还在标准情感识别音频数据集 RAVDESS 上测试了我们的模型。所提出的模型在 DAIC-WOZ 和 MODMA 中实现了超过 90% 的检测准确率，在 RAVDESS 中实现了超过 85% 的检测准确率，这被证明超越了目前的最先进水平。

"点击查看英文标题和摘要"

相关知识

妊娠期压力和产前抑郁的关系:主观幸福感的中介作用
抑郁症自测 抑郁症的九大症状
关于强化我国孕妇产后抑郁症防治的提案
AI赋能运动健康穿戴设备深度融合与未来展望
孕早期不良饮食因素与抑郁的关联性
CSF3R和行动控制对应激与健康饮食关系的调节作用：应激影响健康行为的个体化模型的初步证据
用生成式AI改善运动健康，夸父大模型揭秘基础设施秘籍
科研丨BMC Medicine(IF:11.15): 肥胖女性的多组学肠道微生物组特征
心理学部教授团队在Appetite发文揭示超重肥胖人群食物相关抑制控制的神经机制
应对计划对女大学生减肥效果的影响：情绪调节和理想体型有调节的中介作用

网址: 基于MFCC和CNN生成谱图特征的抑郁症检测深度学习模型,Biomedical Signal Processing and Control https://www.trfsz.com/newsview44858.html