基于深度学习进行多平台语音交互的抑郁症监测系统

摘要：

针对目前主流的抑郁诊断方法存在主观性较强或成本较高的问题,设计了一个多平台语音收集和分析的抑郁症监测系统,并提出一种针对抑郁症检测的神经网络模型.此系统通过网页、小程序和手机应用程序收集语音信号,然后上传到云端服务器,最后将预测结果反馈到客户端显示.除了以上三种不同的渠道采集语音以外,该系统可以扩展其他收集语音的方法.并且也将提出的神经网络模型与另外五种经典的模型进行比较,提出的模型在公开的抑郁症语音数据的测试集上平均准确率达到 89.6%,相比于支持向量机、线性判别算法、K邻近算法、随机森林算法和逻辑回归算法分别提高15.25%、14.31%、10.39%、13.23%和 14.71%.将训练好的模型部署到服务器上,78 个参与者使用该系统后,统计预测的平均准确率达到 82.6%.因此,该系统是一种低成本、客观且非侵入的精神诊断方案,可以提高抑郁症的诊断准确率.

关键词：抑郁症检测、语音、神经网络模型、低成本、精神诊断方案

所属期刊栏目：22

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金;宁波市自然科学基金

在线出版日期：2023-10-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：45-50