基于深度学习的音频抑郁症识别

• 作者: 付小雁 李金鸣
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 抑郁症自动诊断 语音信号处理 深度学习 音频特征
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 人工智能与识别
• 页码范围: 161-167
• 页数: 7页
• 分类号: TP3
• 字数: 6815字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2019.09.029

摘要

抑郁症以显著而持久的心境低落为主要临床特征,是心境障碍的主要类型,严重影响人们的日常生活和工作.研究人员发现,抑郁症患者与正常人在言语方面存在明显差别.提出一种基于卷积神经网络和长短时期记忆网络的音频抑郁回归模型(DR AudioNet).从特征设计和网络架构两方面进行研究,提出多尺度的音频差分归一化(MADN)特征提取算法.MADN特征描述了非个性化讲话的特性,并根据音频段前后相邻两段的MADN特征设计基于DR AudioNet优化的两个网络模型.实验结果表明,该方法能够有效地识别抑郁程度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	付小雁	首都师范大学信息工程学院	4	48	2.0	4.0
3	李金鸣	首都师范大学信息工程学院	1	0	0.0	0.0