基于深度学习的音频抑郁症识别

作     者：李金鸣 付小雁 Li Jinming;Fu Xiaoyan

作者机构：首都师范大学信息工程学院北京100048 电子系统可靠性技术北京市重点实验室北京100048 

基　　金：国家自然科学基金项目(61876112 61601311 61603022) 

出 版 物：《计算机应用与软件》 (Computer Applications and Software)

年 卷 期：2019年第36卷第9期

页      码：161-167页

摘      要：抑郁症以显著而持久的心境低落为主要临床特征,是心境障碍的主要类型,严重影响人们的日常生活和工作。研究人员发现,抑郁症患者与正常人在言语方面存在明显差别。提出一种基于卷积神经网络和长短时期记忆网络的音频抑郁回归模型(DR AudioNet)。从特征设计和网络架构两方面进行研究,提出多尺度的音频差分归一化(MADN)特征提取算法。MADN特征描述了非个性化讲话的特性,并根据音频段前后相邻两段的MADN特征设计基于DR AudioNet优化的两个网络模型。实验结果表明,该方法能够有效地识别抑郁程度。

主 题 词：抑郁症自动诊断 语音信号处理 深度学习 音频特征 

学科分类：08[工学] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1000-386x.2019.09.029

馆 藏 号：203777525...