Дослідники з Інституту перспективних досліджень Цзіньхуа та Харбінського університету науки і техніки нещодавно розробили алгоритм глибокого навчання, який може виявити депресію з мови людини.
Ця модель, представлена в статті в Mobile Networks and Applications, була навчена розпізнавати емоції в людській мові шляхом аналізу різних відповідних функцій.
Тянь та його колеги навчили свою модель набору даних DAIC-WOZ, набору звукових та тривимірних виразів пацієнтів з діагнозом депресивний розлад та людей без депресії. Ці аудіозаписи та міміка були зібрані під час інтерв’ю, проведеного віртуальним агентом, який задавав різні питання про настрій та життя інтерв’юйованого.
Для вилучення важливих функцій із голосових записів модель команди використовує OpenSmile (інтерпретація мови та музики з відкритим кодом шляхом вилучення великого простору). Це набір інструментів, який часто використовується комп’ютерними вченими для вилучення ознак із аудіокліпів та класифікації цих кліпів.
- Створено бактеріальну вакцину проти раку
- Біологи навчилися зрощувати кістки за допомогою спеціального гідрогелю
- Інгалятор на основі РНК запобігає важкій течії пневмонії
Дослідники використовували цей інструмент для вилучення окремих особливостей мови та їх комбінацій, які зазвичай зустрічаються в мові пацієнтів з діагнозом депресія. Згодом вони використовували техніку, відому як аналіз основних компонентів, щоб зменшити набір вилучених ознак.
Тянь, Чжу та Цзянь оцінили свою модель у серії тестів, під час яких вони оцінили її здатність виявляти депресивних та недепресивних людей із записів їх голосу. Їх схема дала чудові результати, виявляючи депресію з точністю 87% у пацієнтів чоловічої статі та 87,5% у пацієнтів жіночої статі.
У майбутньому алгоритм глибокого навчання, розроблений цією групою дослідників, може стати додатковим допоміжним інструментом для психіатрів та лікарів поряд з іншими усталеними діагностичними інструментами. Крім того, це дослідження може надихнути на розробку подібних інструментів ШІ для виявлення ознак психічних розладів у мовленні.