本公开实施例中提供了一种基于多模态特征融合的抑郁症自动检测方法，属于数据处理技术领域，具体包括：采集测试人员的原始语音数据；对音频文件进行预处理；提取文本特征、音频Me l特征、音频HSFs特征；将特征输入多模态特征融合增强模块进行特征融合与特征增强，生成特征空间表示；利用通道与空间注意力模块对特征空间表示进行通道和空间维度上的特征压缩；将调整后的特征空间表示输入分类器，得到测试人员患抑郁症的概率；训练初始模型，并利用优化器快速收敛，得到检测模型；获取目标人员的文本特征、音频Me l特征和音频HSFs特征输入检测模型，得到检测结果。通过本公开的方案，提高了检测效率、精准度和适应性。
【技术实现步骤摘要】
本公开实施例涉及数据处理，尤其涉及一种基于多模态特征融合的抑郁症自动检测方法。
技术介绍
1、目前，抑郁症患病率大幅上升，愈发呈现年轻化、严重化的趋势。根据世界卫生组织估计,全球约有3.5亿抑郁症患者，抑郁症已成为影响人类健康的第二大杀手。然而，由于社会认知度不足、临床诊断方式单一、医疗资源短缺等原因，许多抑郁症患者并未得到及时的诊断和有效的治疗。
2、临床上诊断抑郁症主要依靠抑郁症诊断量表和心理访谈，具有一定的主观性，缺乏客观的评判指标。研究学者发现，抑郁症患者和健康人在面部表情、言语内容、声音特征等方面存在一定的差异，许多研究人员开始尝试基于这种差异性设计抑郁症自动检测算法，根据算法所利用的特征不同可将其分为：基于文本特征、音频特征、视频特征的三种单模态抑郁症检测方法和基于多模态特征的抑郁症检测方法。基于多模态特征的抑郁症检测方法利用不同模态的信息，检测效果明显优于基于单模态特征的检测方法，但不同模态的信息在数据形式和处理方式上有很大差别，如何将不同模态的信息进行融合并从中提取更为有效的特征是检测算法的关键。
>3、而现有的绝大部本文档来自技高网...
【技术保护点】
1.一种基于多模态特征融合的抑郁症自动检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：
3.根据权利要求1所述的方法，其特征在于,所述步骤3具体包括：
4.根据权利要求1所述的方法，其特征在于,所述步骤4具体包括：
5.根据权利要求4所述的方法，其特征在于,所述将特征堆叠形成初始特征空间的具体操作为
6.根据权利要求4所述的方法，其特征在于,所述多尺度特征增强模块包括三个并行的稠密残差空洞卷积模块，每个稠密残差空洞卷积模块的扩张率不同，每个稠密残差空洞卷积模块均与卷积层、批归一化层BN...
【技术特征摘要】
1.一种基于多模态特征融合的抑郁症自动检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于,所述步骤2具体包括：
3.根据权利要求1所述的方法，其特征在于,所述步骤3具体包括：
4.根据权利要求1所述的方法，其特征在于,所述步骤4具体包括：
5.根据权利要求4所述的方法，其特征在于,所述将特征堆叠形成初始特征空间的具体操作为
6.根据权利要求4所述的方法，其特征在于,所述多尺度特征增强模块包括三个并行的稠密残差空洞卷积...
【专利技术属性】
技术研发人员：漆华妹，郑强，高芸菲，杨威，
申请(专利权)人：中南大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。