【技术实现步骤摘要】
本专利技术涉及人工智能,具体是指基于多模态对比学习的智能抑郁症检测方法。
技术介绍
1、目前,抑郁症的检测主要依赖自评量表和专业医生的访谈诊断,这种传统方法耗时且主观性强,难以及时大范围筛查,为提高检测效率和客观性,近年来涌现了基于人工智能的抑郁症自动检测技术方案,尤其是利用多模态数据和深度学习模型来辅助诊断,现有的技术方案大致包括以下几类:
2、1.单模态抑郁检测技术:早期的研究大多围绕单一模态展开,即只利用语音、文本或视觉信息来检测抑郁症,在语音模态中,研究者提取语音的韵律特征(如音高、语速、语调等)、声源特性、共振峰以及频谱特征等并训练分类模型以此判别抑郁症状;在文本模态中,通常对检测者访谈的转录文本进行情感分析,例如提取情感词典计数、情绪词分布统计特征等、进行语义情感分类等,以判断抑郁倾向;视觉模态上,则利用面部微表情和动作特征(如面部关键点、表情动作单元、头部姿态和眼球运动)训练模型检测抑郁迹象。单一模态方法能够捕捉该模态下与抑郁相关的一些信号,但准确率低且不稳定:抑郁症状复杂多样,单一模态往往难以全面反映患者心理
...【技术保护点】
1.基于多模态对比学习的智能抑郁症检测方法,其特征在于,包括以下步骤,
2.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤二中音频模态特征提取还包括基于预训练WavLM语音模型提取高维深度声学特征,利用WavLM模型对预处理后的音频进行向量化表示。
3.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤二中文本模态特征提取还包括基于预训练Chinese-BERT文本模型获取高维文本语义特征。
4.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤
...【技术特征摘要】
1.基于多模态对比学习的智能抑郁症检测方法,其特征在于,包括以下步骤,
2.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤二中音频模态特征提取还包括基于预训练wavlm语音模型提取高维深度声学特征,利用wavlm模型对预处理后的音频进行向量化表示。
3.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤二中文本模态特征提取还包括基于预训练chinese-bert文本模型获取高维文本语义特征。
4.根据权利要求1所述基于多模态对比学习的智能抑郁症检测方法,其特征在于,所述步骤...
【专利技术属性】
技术研发人员:张艳,马招丽,彭贵婷,姜玮素,
申请(专利权)人:云南开放大学云南国防工业职业技术学院,
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。