傳統(tǒng)的抑郁癥診斷方式,是基于醫(yī)生的臨床經(jīng)驗(yàn),通過(guò)采訪患者,詢問(wèn)病人過(guò)去精神狀況,生活方式和情緒等問(wèn)題,根據(jù)患者的反應(yīng)來(lái)確定病情。近年來(lái),機(jī)器學(xué)習(xí)開始被用作診斷的輔助手段:利用開發(fā)出的機(jī)器學(xué)習(xí)模型,檢測(cè)可以標(biāo)識(shí)出抑郁的語(yǔ)音,單詞和語(yǔ)調(diào)。這種方法需要患者來(lái)對(duì)某些特定的問(wèn)題給出答案,由于算法較依賴于被問(wèn)到的問(wèn)題類型,因此在使用時(shí)有其局限性。
近日,來(lái)自MIT的研究人員詳細(xì)介紹了一種神經(jīng)網(wǎng)絡(luò)模型,該模型可以直接通過(guò)對(duì)采訪中的原始文本和音頻數(shù)據(jù)進(jìn)行處理,從而判斷其抑郁傾向。其優(yōu)點(diǎn)在于:其不局限于特定的問(wèn)題和答案,而是可以針對(duì)隨意給定的主題來(lái)做出判斷。研究人員希望這種方法可以通過(guò)日常對(duì)話來(lái)進(jìn)行診斷,通過(guò)這種模型來(lái)發(fā)現(xiàn)人們?cè)诙绦呕蛘哒Z(yǔ)音聊天中是否有抑郁的跡象,并發(fā)出適當(dāng)?shù)奶嵝押途?。其針?duì)的對(duì)象和應(yīng)用前景主要在初步診斷和防治領(lǐng)域:尤其對(duì)于那些因?yàn)榫嚯x、成本或缺乏疾病防控意識(shí)而無(wú)法前往臨床醫(yī)生進(jìn)行初步診斷的人尤其有用。
研究人員認(rèn)為:在對(duì)話中體現(xiàn)出的快樂,興奮,悲傷,或者一些諸如抑郁癥的嚴(yán)重的認(rèn)知問(wèn)題,都是通過(guò)談話而獲取第一手資料的。如果想要應(yīng)用抑郁檢測(cè)模型,在數(shù)據(jù)采集時(shí)候就需要盡可能地減少對(duì)于談話的限制,最好是能從日常談話中抓取有用信息。
研究人員同時(shí)指出,研發(fā)的難點(diǎn)在于:每位患者都會(huì)以不同的方式和風(fēng)格進(jìn)行表達(dá),如果模型發(fā)現(xiàn)一些異常的變化就會(huì)向醫(yī)生發(fā)出進(jìn)一步的警告。 盡管如此,這一模型在臨床診斷中起到了很大的輔助作用,這一進(jìn)步讓人們看到了模型解決抑郁檢測(cè)的希望。
Context free modeling
模型的關(guān)鍵創(chuàng)新在于能夠檢測(cè)與抑郁癥相關(guān)的模式,并將這些模式映射到新的個(gè)體,而無(wú)需額外的信息。研究人員將這種方式稱為不基于上下文的模型,因?yàn)樗恍枰獙?duì)尋找特定反應(yīng)模所對(duì)應(yīng)的問(wèn)題做出限制。
傳統(tǒng)的模型會(huì)提供一組特定的問(wèn)題,然后分別標(biāo)記反饋沒有抑郁癥的人,以及有抑郁癥的人對(duì)于該例子的反饋,例如,通過(guò)詢問(wèn)諸如“你有抑郁史嗎?”這樣的問(wèn)題,然后根據(jù)回答問(wèn)題時(shí)的反應(yīng)來(lái)分析是否有抑郁癥傾向。這種方法雖然行之有效,但這卻不是通常對(duì)話所進(jìn)行的方式。
為了解決傳統(tǒng)方法的弊端,研究人員使用了一種稱為序列模型的技術(shù)進(jìn)行語(yǔ)音處理。通過(guò)這種技術(shù),他們一個(gè)接一個(gè)地從抑郁和非抑郁個(gè)體的問(wèn)題和答案中提供文本和音頻數(shù)據(jù)的模型序列。隨著序列的積累,該模型可以提取出有或沒有抑郁癥的人出現(xiàn)的語(yǔ)音模式。諸如“悲傷”,“低”或“向下”之類的單詞可以與更平坦且更單調(diào)的音頻信號(hào)匹配。患有抑郁癥的個(gè)體也可能說(shuō)話較慢并且在單詞之間使用較長(zhǎng)的暫停。
該模型可以分析單詞或說(shuō)話風(fēng)格的序列,并確定這些模式是否更容易在抑郁或抑郁的人身上表現(xiàn)出來(lái),如果在新的案例中看到相同的序列模式,模型便可以根據(jù)訓(xùn)練的結(jié)果預(yù)測(cè)其是否有抑郁傾向。這種技術(shù)還有助于模型將整個(gè)對(duì)話視為一個(gè)整體,并分析有抑郁癥和無(wú)抑郁癥的人之間隨著時(shí)間推移所產(chǎn)生的差異。
檢測(cè)抑郁癥
研究人員利用抑郁分析面試語(yǔ)料庫(kù)中的142次交流作為數(shù)據(jù)集來(lái)進(jìn)行了訓(xùn)練和測(cè)試,這些資料來(lái)源于心理健康問(wèn)題患者的音頻,文本和視頻訪談。這些數(shù)據(jù)使用個(gè)人健康問(wèn)卷進(jìn)行評(píng)定,每個(gè)受試者按0到27之間的等級(jí)評(píng)定抑郁。高于中度(10至14)和中度(15至19)之間的得分被認(rèn)為是有抑郁的,而低于該閾值的所有其他得分則是健康的。在這一數(shù)據(jù)集中,有28個(gè)(20%)被標(biāo)記為抑郁。
在實(shí)驗(yàn)中,使用精確度和召回率來(lái)評(píng)估模型。精確度用來(lái)判斷哪些受試者被診斷為抑郁。 研究人員評(píng)估了該測(cè)量模型。在精確度方面,該模型準(zhǔn)確率為71%,召回率為83%,平均綜合得分為77%。在大多數(shù)測(cè)試中,該模型的各項(xiàng)指標(biāo)幾乎都超過(guò)了同類其他模型。
研究人員指出該研究的一個(gè)關(guān)鍵方面是,在實(shí)驗(yàn)過(guò)程中,該模型需要更多的數(shù)據(jù)來(lái)預(yù)測(cè)音頻中的抑郁。通過(guò)文本,模型可以使用平均七個(gè)問(wèn)答序列準(zhǔn)確地檢測(cè)抑郁癥。而通過(guò)音頻,該卻模型需要大約30個(gè)序列。 這意味著人們使用文本語(yǔ)言時(shí)表現(xiàn)出抑郁的傾向,比在使用音頻時(shí)所需的時(shí)間更短,麻省理工學(xué)院的研究人員可以利用該點(diǎn)為切入點(diǎn),進(jìn)一步完善他們的模型。
這項(xiàng)工作具有非常鼓舞人心的研究意義。現(xiàn)在模型的識(shí)別方式還類似于黑盒子,研究人員正在試圖解釋其所發(fā)現(xiàn)模式的規(guī)律。該模型不僅僅局限于抑郁癥的診斷識(shí)別領(lǐng)域,未來(lái),人們還希望將這種方法推廣測(cè)試來(lái)自更多具有其他認(rèn)知障礙(如癡呆)的受試者中去。
最后,希望小伙伴們天天愉悅, 笑容是最美的~~
-
神經(jīng)網(wǎng)絡(luò)
+關(guān)注
關(guān)注
42文章
4726瀏覽量
100326 -
機(jī)器學(xué)習(xí)
+關(guān)注
關(guān)注
66文章
8325瀏覽量
132194
原文標(biāo)題:今天你開心嘛? MIT研發(fā)神經(jīng)網(wǎng)絡(luò)模型,可通過(guò)處理采訪的原始文本和音頻數(shù)據(jù),判斷抑郁傾向
文章出處:【微信號(hào):thejiangmen,微信公眾號(hào):將門創(chuàng)投】歡迎添加關(guān)注!文章轉(zhuǎn)載請(qǐng)注明出處。
發(fā)布評(píng)論請(qǐng)先 登錄
相關(guān)推薦
評(píng)論