基于语音信号的抑郁症识别研究与应用

发布时间：2020-05-15 02:52

【摘要】：抑郁症作为目前发病率较高的精神疾病之一,其患病人群之多、持续时间之长、结果危害性之大等特点让其成为精神疾病诊断过程中最大的挑战。面对饱受抑郁症折磨人数逐年递增的现实情况,提高抑郁症的识别率及早做出诊断与治疗是最有效的方法途径。根据抑郁症患者的临床医学表现,发现抑郁症患者与正常群体在语音特征方面存在音调较低、语速较慢等极为明显的差异。因此,本论文基于语音信号进行抑郁症识别的研究应用。研究表明欲提高抑郁症识别的准确率,通常情况下从提取具有抑郁症患者代表性的语音特征和不同分类方法的运用两方面能够取得更好的识别效果。本论文主要从多种算法的采用方面进行课题实验。基于AViD-Corpus和DAIC-WOZ两个抑郁症语音数据集,前期完成对数据集中语音信号预处理、特征提取等操作,后期实现分类方法的模型训练及结果分析。鉴于目前深度学习在抑郁症识别方面有良好的分类表现,本论文提出采用生成式对抗网络和卷积神经网络相结合的方法进行基于语音信号的抑郁症识别研究,以期取得更好的识别结果。已有研究工作表明集成学习方法在本实验研究工作中有着较好的识别效果,基于此,本论文还提出采用生成式对抗网络和集成学习相结合的方法用于实验数据上进行抑郁症识别研究。本论文基于语音信号运用多种深度学习方法相结合实现对抑郁症患者和正常群体准确的识别分类,多组实验结果的统计分析数据表明本论文提出的方法对抑郁症识别的准确率有所提高,并具备一定程度的可比性。最终,本文设计并实现了一个基于Android平台开发的抑郁症识别系统。
【图文】：

两个模型在实现各自任务过程之间形成一种对抗与博弈［２Ｑ】，最终使得实验逡逑结果在理想的状态条件下区分不出真实样本和生成样本的差异。逡逑生成式对抗网络整体实现过程如下图３．２所示：逡逑真实样本逦￣古择士广逡逑数据集￣￣＊１邋＊洰逦＼逦ｉ邋逦逡逑？逦鲁邋损逡逑２判别式模型邋？逦一＾？邋Ｉ逡逑逦邋ｉ逦ｍ逡逑，逦，逦！＇逦１邋｜0逦数逡逑随逦逦／逦—＾逦逦逡逑｜邋一－？生成式模型一？“假”样本假逡逑声逡逑图３．２生成式对抗网络结构图逡逑１２逡逑

逦池化层逦卷积层池化层全连接层全连接层逡逑图３．１卷积神经网络结构图逡逑３．１．２生成式对抗网络（ＧＡＮ）逡逑生成式对抗网络最大的优势便在于其解决了样本数据不充分［１９］的实验问题，逡逑通过参数调优构建实验阶段最合适的模型网络足以做到生成样本的以假乱真。结逡逑合本文抑郁症识别的研究课题，对于医疗上涉及到的例如核磁共振图像、Ｘ光图逡逑像等医学图像若能够基于成熟的生成式对抗网络的有效分类识别方法进行疾病逡逑的诊断与预测，，将为医学研究提供更为重要的诊疗依据。逡逑ＧＡＮ是近年来复杂分布上无监督学习最具前景的方法之一，该算法主要包逡逑括判别式模型和生成式模型两部分。判别式模型的主要任务是能够准确识别出输逡逑入的样本是真实的样本还是生成的“假”样本，生成式模型的主要任务则是力求逡逑生成的样本能够欺骗判别式模型使其识别不出真实样本与生成样本二者之间的逡逑差异。两个模型在实现各自任务过程之间形成一种对抗与博弈［２Ｑ】，最终使得实验逡逑结果在理想的状态条件下区分不出真实样本和生成样本的差异。逡逑生成式对抗网络整体实现过程如下图３．２所示：逡逑真实样本逦￣古择士广逡逑数据集￣￣＊１邋＊洰逦＼逦ｉ邋逦逡逑？逦鲁邋损逡逑２判别式模型邋？逦一＾？邋Ｉ逡逑逦邋ｉ逦ｍ逡逑，逦
【学位授予单位】：天津师范大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TN912.34

【参考文献】

相关期刊论文 前4条

1 韩文静;李海峰;阮华斌;马琳;;语音情感识别研究进展综述[J];软件学报;2014年01期

2 和昱辰;张波;;抑郁症临床研究进展[J];国际检验医学杂志;2013年07期

3 李跃华;张兰凤;;抑郁症研究现状及未来研究目标探讨[J];中国中医药信息杂志;2006年10期

4 赵力,钱向民,邹采荣,吴镇扬;语音信号中的情感识别研究[J];软件学报;2001年07期

相关博士学位论文 前2条

1 刘振宇;基于语音的抑郁识别方法及关键技术研究[D];兰州大学;2017年

2 尤鸣宇;语音情感识别的关键技术研究[D];浙江大学;2007年

相关硕士学位论文 前5条

1 代久林;抑郁症患者因果脑网络特征提取及模式识别研究[D];电子科技大学;2016年

2 李鹏宇;微博社交网络中的学生用户抑郁症识别方法研究[D];哈尔滨工业大学;2014年

3 潘逸雄;移动语音情感识别系统的研究与应用[D];上海交通大学;2013年

4 胡勇;基于功能磁共振数据的抑郁症判别分析[D];湖南师范大学;2012年

5 郭鹏娟;语音情感特征提取方法和情感识别研究[D];西北工业大学;2007年

本文编号：2664358