نتائج واعدة في العديد من المهام ويمكنها قريبًا مساعدة المهنيين في مختلف البيئات. في السنوات الأخيرة ، كان علماء الكمبيوتر يستكشفون إمكانات هذه الأدوات للكشف عن علامات الحالات الجسدية والنفسية المختلفة، ونشرت في موقع “medicalxpress”.
الاكتئاب هو أحد أكثر الاضطرابات النفسية انتشارًا ، حيث يصيب ما يقرب من 9.5٪ من البالغين الأمريكيين كل عام، و قد تساعد الأدوات التي يمكنها الكشف عن علامات الاكتئاب تلقائيًا في تقليل معدلات الانتحار ، لأنها تسمح للأطباء بتحديد الأشخاص الذين يحتاجون إلى الدعم النفسي على وجه السرعة.
وطور باحثون في معهد جينهوا للأبحاث المتقدمة وجامعة هاربين للعلوم والتكنولوجيا مؤخرًا خوارزمية تعلم عميق يمكنها اكتشاف الاكتئاب من كلام الشخص، و تم تدريب هذا النموذج ، الذي تم تقديمه في ورقة بحثية نُشرت في Mobile Networks and Applications ، على التعرف على المشاعر في الكلام البشري من خلال تحليل الميزات المختلفة ذات الصلة.
وكتب هان تيان وتشانغ تشو وشو جينغ في ورقتهم، وتم إنشاء نموذج خوارزمية قرار مشترك متعدد المعلومات عن طريق التعرف على المشاعر، ويستخدم النموذج لتحليل البيانات التمثيلية للموضوعات ، وللمساعدة في تشخيص ما إذا كان الأشخاص مصابين بالاكتئاب.
وقام تيان وزملاؤه بتدريب نموذجهم على مجموعة بيانات وهي عبارة عن مجموعة من التعبيرات الصوتية وتعبيرات الوجه ثلاثية الأبعاد للمرضى الذين تم تشخيصهم باضطراب الاكتئاب والأشخاص غير المصابين بالاكتئاب، و تم جمع هذه التسجيلات الصوتية وتعبيرات الوجه أثناء المقابلات التي قادها وكيل افتراضي ، والذي طرح أسئلة مختلفة حول مزاج وحياة الشخص الذي تمت مقابلته.
وكتب تيان ، تشو ، وجيان في كتابهم، على أساس استكشاف خصائص الكلام للأشخاص الذين يعانون من اضطراب الاكتئاب ، تجري هذه الورقة دراسة متعمقة لتشخيص الاكتئاب بمساعدة الكلام بناءً على بيانات الكلام في مجموعة بيانات DAIC-WOZ". ورق.
أولاً ، تتم معالجة معلومات الكلام مسبقًا ، بما في ذلك التركيز المسبق على إشارة الكلام ، وتأطير الإطارات ، واكتشاف نقطة النهاية ، وتقليل الضوضاء ، وما إلى ذلك.
ثانيًا ، يتم استخدام OpenSmile لاستخراج ميزات إشارات الكلام ، وميزات الكلام التي يمكن أن تعكسها الميزات هي تمت دراستها وتحليلها بعمق ".
لاستخراج الميزات ذات الصلة من التسجيلات الصوتية ، يستخدم نموذج الفريق OpenSmile (خطاب مفتوح المصدر وتفسير موسيقي عن طريق استخراج مساحة كبيرة). غالبًا ما يستخدم علماء الكمبيوتر هذه مجموعة أدوات لاستخراج ميزات من المقاطع الصوتية وتصنيف هذه المقاطع.
واستخدم الباحثون هذه الأداة لاستخراج ميزات الكلام الفردية ومجموعات الميزات التي توجد عادة في كلام المرضى المصابين بالاكتئاب. ، بعد ذلك ، استخدموا تقنية تُعرف باسم تحليل المكونات الرئيسية لتقليل مجموعة الميزات التي استخرجوها.
وقام الباحثون، بتقييم نموذجهم في سلسلة من الاختبارات ، حيث قاموا بتقييم قدرته على اكتشاف الأشخاص المكتئبين وغير المكتئبين من تسجيلات أصواتهم، وحقق إطار عملهم نتائج ملحوظة ، حيث كشف عن الاكتئاب بدقة بلغت 87٪ في المرضى الذكور و 87.5٪ في المرضى الإناث.
وفي المستقبل ، يمكن أن تكون خوارزمية التعلم العميق التي طورها هذا الفريق من الباحثين أداة مساعدة إضافية للأطباء النفسيين والأطباء ، إلى جانب أدوات التشخيص الأخرى الراسخة. بالإضافة إلى ذلك ، يمكن أن تلهم هذه الدراسة تطوير أدوات ذكاء اصطناعي مماثلة للكشف عن علامات الاضطرابات النفسية من الكلام.
