自動鬱病検出:感情的オーディオ-テキストコーパスとGRU/BiLSTMベースモデル【JST・京大機械翻訳】

Shen Ying; Yang Huiyu; Lin Lin

プレプリント

J-GLOBAL ID：202202206708964133 整理番号：22P0290822

自動鬱病検出:感情的オーディオ-テキストコーパスとGRU/BiLSTMベースモデル【JST・京大機械翻訳】

Automatic Depression Detection: An Emotional Audio-Textual Corpus and a GRU/BiLSTM-based Model

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年02月14日プレプリントサーバーでの情報更新日： 2022年02月14日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

うつ病は世界的な精神衛生問題であり,最悪の症例は自殺につながる。自動鬱病検出システムは,鬱病自己評価を容易にし,診断精度を改善する際に大きな支援を提供する。本研究では,参加者のインタビューから音声特性と言語コンテンツを利用する新しい鬱病検出手法を提案した。さらに,著者らは,オーディオを含むEmotional Audio-Textual Depression Corpus(EATD-Corpus)を確立し,うつ病および非抑圧ボランティアからの応答の転写物を抽出した。知る限りでは,EATD-Corpusは,中国語のオーディオとテキストデータを含む,初めての,そして,公開の鬱病データセットである。2つの鬱病データセットに関して評価して,提案方法は最先端の性能を達成した。優れた性能は,提案した方法の有効性と一般化能力を実証した。ソースコードとEATD-Corpusはhttps://github.com/speechandlanguageprocessing/ICASSP2022 Depressionで利用可能である。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

精神障害の診断 , 精神科の臨床医学一般 , 精神障害

, , , ,

前のページに戻る