基于语音的抑郁症识别

• 作者: 刘天俐 刘明明 刘晓倩 朱廷劭 汪静莹 潘玮 胡斌
• 来源期刊: 科学通报（英文版）
• 关键词: 抑郁症 语音特征 分类算法 逻辑回归
• 年，卷（期）: 2018,（20）
• 所属期刊栏目: 论文
• 页码范围: 2081-2092
• 页数: 12页
• 语种: 英文
• DOI: 10.1360/N972017-01250

摘要

抑郁症是世界范围内常见的精神疾病之一,抑郁症患者往往长期伴随情绪低落,如悲伤内疚、低自尊、兴趣丧失、功能减退等,对个人、家庭及社会造成了巨大损失.抑郁症的发病原因复杂,临床诊断存在一定的困难,有必要寻找一种更加便捷、客观、高效的方式来辅助抑郁症的快速识别.语音作为一个相对客观且容易获得的变量,具有其潜在的价值.本研究旨在构建基于语音的抑郁症识别模型,探究语音与抑郁症之间的关系.收集了 103名被试(45名抑郁症患者,58名健康人)的语音数据,实验组为临床确诊的抑郁症患者,年龄在23.8～44.6岁之间,控制组为健康人,年龄为20.1～41.7岁.我们采用了3(情绪状态:正性、中性、负性)×3(任务类型:语言问答、文本朗读、图片描述)的实验设计,运用机器学习的分类算法——逻辑回归(LR)来构建抑郁识别模型.实验结果表明,语音的抑郁识别精度可以达到82.9％.本文采用机器学习方法,基于语音变量建立有效的抑郁症自动识别模型,为抑郁症的辅助识别提供客观的指标和依据.