基于语音的抑郁检测研究综述

摘要：

抑郁症作为一种常见的心理健康问题,严重影响人们的日常生活甚至是生命安全,对抑郁症及抑郁情绪的检测具有重要意义.抑郁检测的常用模态包括脑电、图像、文本和语音等,其中语音信号具有易获取和使用限制少的优势,基于语音的抑郁检测研究也因此成为当前的研究热点.本文对近几年基于语音的抑郁检测的最新进展进行综述.首先介绍了目前研究中所常用的抑郁语音数据集,对其中数据不平衡问题的处理方法进行了概括分析.然后对抑郁检测中常用的韵律特征、音质特征、基于谱的特征等语音特征进行了概述,并对特征的特点展开分析.另一方面,针对抑郁检测研究中所遇到的数据量少的问题,从数据增强、度量学习、元学习和迁移学习四个方面,简述了目前主流的小样本学习方法.考虑到抑郁语音数据的隐私性问题,介绍了基于联邦学习的语音抑郁检测研究,从数据安全性和边缘设备部署两方面做了具体陈述.最后,针对基于语音的抑郁检测研究现状和难点问题进行了总结与展望.

关键词：抑郁检测、语音、语音特征、小样本学习、联邦学习

所属期刊栏目：39

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;湖北省自然科学基金;湖北省自然科学基金;武汉市应用基础前沿项目;高等学校学科创新引智计划;中国地质大学武汉基础科研业务费专项

在线出版日期：2023-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共16页

页码：616-631