基于深度学习进行多平台语音交互的抑郁症监测系统

作者：吴伟; 王琦翔; 马龙华^*; 赵祥红

来源：浙江工商职业技术学院学报, 2023, 22(03): 45-50.

DOI：10.3969/j.issn.1671-9565.2023.03.009

• 抑郁症检测
• 语音
• 神经网络模型
• 低成本
• 精神诊断方案

针对目前主流的抑郁诊断方法存在主观性较强或成本较高的问题，设计了一个多平台语音收集和分析的抑郁症监测系统，并提出一种针对抑郁症检测的神经网络模型。此系统通过网页、小程序和手机应用程序收集语音信号，然后上传到云端服务器，最后将预测结果反馈到客户端显示。除了以上三种不同的渠道采集语音以外，该系统可以扩展其他收集语音的方法。并且也将提出的神经网络模型与另外五种经典的模型进行比较，提出的模型在公开的抑郁症语音数据的测试集上平均准确率达到89.6%，相比于支持向量机、线性判别算法、K邻近算法、随机森林算法和逻辑回归算法分别提高15.25%、14.31%、10.39%、13.23%和14.71%。将训练好的模型部署到服务器上，78个参与者使用该系统后，统计预测的平均准确率达到82.6%。因此，该系统是一种低成本、客观且非侵入的精神诊断方案，可以提高抑郁症的诊断准确率。

• 单位
  浙江理工大学