基于副语言特征的抑郁评估模型及关键技术研究

Depression is a great harm. In order to solve the problem of imbalance between psychiatrists and patients in depression and improve traditional diagnosis methods which are subjective and time-consuming, developing an automated, objective and effective method and technology of depression evaluation is an effective way. Due to many advantages, depression evaluation based speech has developed rapidly in recent years. Aiming at two key issues in the research field, we will center on "mining and verification of effective depression paralinguistic features " and "construction and optimization of depression evaluation model based on paralinguistic features" two key scientific issues, for Chinese speech, and focus on monotonous, small volume, long pause, slow, and crying paralinguistic features of speech in depressed patients, and use feature selection algorithm, statistical analysis, comparative analysis to find effective features, and explore the regularity of paralinguistic features of depressed people and construct the depression evaluation model. Further, we use the large sample database built in the previous research to optimize the paralinguistic feature model and cross validation. Finally, we will obtain an effective and stable depression evaluation model, which lay the foundation for reducing the harm of depression.

抑郁症危害巨大。为解决抑郁症医患比例失调和传统诊断方法易产生主观偏差、耗时耗力的问题，发展自动化、客观、高效的抑郁评估方法和技术是有效解决方案。由于具有诸多优势，基于语音的抑郁评估方法近年来获得了迅速发展。本项目针该对研究领域中亟待解决的两个方法和技术问题，围绕“有效表征抑郁水平的副语言特征挖掘和验证”和“基于副语言特征的抑郁评估模型的构建与优化”两个关键科学问题展开研究，面向中文语音人群，着重研究抑郁症患者讲话时单调、音量小、停顿长、迟缓、哭泣等副语言特征，利用特征选择算法、统计分析、对比分析挖掘有效特征，探索抑郁人群副语言特征的演化规律并构建抑郁评估模型。进一步，利用本项目组前期研究中建立的大样本数据库对语音模型进行迭代优化和交叉验证，最终获得高效、稳定的抑郁评估模型，为减轻抑郁症的危害打下基础。

抑郁症危害巨大。为解决抑郁症医患比例失调和传统诊断方法易产生主观偏差、耗时耗力的问题，发展自动化、客观、高效的抑郁评估方法和技术是有效解决方案。由于具有诸多优势，基于语音的抑郁评估方法近年来获得了迅速发展。本项目针该对研究领域中亟待解决的问题，围绕“有效表征抑郁水平的副语言特征挖掘和验证”和“基于副语言特征的抑郁评估模型的构建与优化”两个关键科学问题展开研究，面向中文母语人群，着重研究抑郁症患者的副语言特征，利用特征选择算法、统计分析、对比分析挖掘有效特征，探索抑郁人群副语言特征的演化规律并构建抑郁评估模型。进一步，利用本项目组前期研究中建立的大样本数据库对语音模型进行迭代优化和交叉验证，最终获得高效、稳定的抑郁评估模型，为减轻抑郁症的危害打下基础。.本项目主要研究内容包括：<1>面向抑郁人群的语音实验设计及有效言语方式筛选，<2>抑郁人群副语言特征的统计分析及与正常人群副语言特征的对比分析，<3>基于副语言特征的抑郁识别模型分析共3个部分。项目执行共3年，截止2021年12月，本项目取的主要成果包括：构建了评估抑郁水平的语音特征集合；明确了抑郁人群语音实验中的关键因素；建立了基于语音的抑郁识别模型，不依赖于性别的抑郁二分类识别率达到了70%以上；开发了Android平台抑郁评估软件（APP）一套；已授权发明专利1项，软件著作权2项，发表高水平研究论文9篇；参加国际学术会议4人次；培养硕士研究生6人。.本项目的研究结果表明发展基于语音信号的自动化抑郁评估方法和技术是有效可行的，项目组开发的基于Android平台的抑郁评估软件（APP）也为上述成果的应用提供了范例。希望这些成果可以尽早帮助抑郁患者。