研究人员开发新技术,屏幕的声音录音的抑郁症

Rundensteiner Elke领导的一组研究人员已经开发出一种高效的技术,屏幕的声音录音,演讲者是沮丧,一个重要的进步,可以提醒医生和其他医生的人需要帮助。

Audio-assisted双向编码器从变形金刚(AudiBERT)表示,该系统开发的研究人员,利用单词演讲者使用以及说话者的语气,Rundensteiner说,威廉史密斯院长教授计算机科学和创始主任WPI的数据科学项目。

“临床医生可以检测抑郁症和其他精神疾病患者根据采访的内容和基调,”Rundensteiner说。“深度学习数据的科学技术,我们已经开发出一种数字技术了说话者的语言和语气抑郁症的迹象。如果广泛部署,这个工具可以显著扩大心理健康在低成本筛查。”

研究人员的创新是选定在2021年11月在计算机协会会议信息和知识管理,获得了最佳应用研究奖。作者是Rundensteiner;Ermal托托的20(博士),之前在计算机科学研究生Rundensteiner现在WPI学术研究助理主任计算;毫升Tlachac,博士生数据科学Rundensteiner。Tlachac已经接受了科比大学助理教授一职。

AudiBERT建立在研究者的先前工作使用机器学习的可行性分析从智能手机和语音样本和其他数字数据社交媒体和音频的抑郁筛选的方式来解决社会问题的抑郁和精神卫生资源有限。研究的核心是一个人的声音可以发现隐藏的问题。

“如果一个人沮丧,他们的语调变得单调,“托托说。“他们的声音可能会抖动,或动摇,一点。训练有素的医生可以直观地检测这些变量在谈话。现在我们可以自动化的检测人类的声音通过机器学习模型”。

AudiBERT还提到一个关键挑战:研究相对较少的声音已标记数据集存在抑郁的指标。这限制了可用的数据量训练深度学习模型,一种机器学习,自动分析原始数字数据产生一个模型,该模型可以预测。一般来说,更多的数据会导致更好的模型。

“录音技术无处不在,从我们的智能手机数字家庭助理,但是隐私问题录音意味着很难找到大的声音数据集标签口语词汇作为精神疾病的迹象,”Tlachac说。“我们着手创新一个抑郁筛选解决方案,它可以训练,甚至使用较小的数据集。此外,我们想证明的声音是一个很好的形态筛查。”

评估AudiBERT,研究者尝试用15的声音数据集组成的虚拟代理问病人的临床访谈不同的问题,如“你今天好吗?”The data sets were labeled with scores indicating the depression status of each participant based on a clinical depression screening questionnaire. The researchers discovered that AudiBERT displayed the ability to accurately detect depression in声音的录音。

Rundensteiner是兴奋的潜力这承诺不筛选技术。AudiBERT医生可以部署的普遍心理健康筛查和监测抑郁症患者心理健康信号随着时间的推移,根据研究人员。他们设想一天当病人访问医生的办公室,在电脑上填写健康问卷平板电脑可以无缝地精神健康问题的筛选。

“这是一个技术与潜在的非常高的社会影响,“Rundensteiner说。“通过扩大筛查,这可能使一个积极的改变人们的生活。”