10.11684/j.issn.1000-310X.2022.05.020
基于深度学习的语声抑郁识别
世界各地抑郁症患者数量不断增多,抑郁症的诊断和治疗面临着医生短缺问题,针对这一问题,提出了卷积神经网络和结合注意力机制的双向长短时记忆特征融合模型.从特征选择和网络构架两方面进行了研究,对比了几种经典语声特征,得出梅尔倒谱系数对抑郁分类效果最好,再将梅尔倒谱系数分别送进卷积神经网络和结合注意力机制的双向长短时记忆网络实现抑郁分类.在DAIC-WOZ数据集上进行实验,所提出的方法对语声抑郁的分类精确度达到78.06%,F1分数达到74.68%.
抑郁识别、语声分析、分类
41
TN912.3
国家自然科学基金NSFC61861005
2022-09-29(万方平台首次上网日期,不代表论文的发表时间)
共6页
837-842