Исследователи из Цзиньхуанского института перспективных исследований и Харбинского научно-технологического университета сообщили о разработке алгоритма, позволяющего с относительно высокой точностью выявлять депрессию посредством речевого анализа. Описание созданной модели, которая использует методы «глубокого обучения», опубликовано в журнале Mobile Networks and Applications (импакт-фактор 3.5). Модель была натренирована на массиве данных, чтобы обучить её распознаванию эмоций, свойственных людям в состоянии депрессии. Массив под названием DAIC-WOZ содержал как аудиозаписи людей с депрессией, так и трехмерные изображения их лиц. Авторами была использована система с открытым исходным кодом OpenSmile, которую обычно задействуют для выявления особенностей речевых и музыкальных записей с целью их классификации. С помощью этой системы ученые выделили индивидуальные особенности и сочетания особенностей речи, свойственные пациентам, речь которых была представлена в массиве. Затем с помощью статистического «метода главных компонент» (PCA), изобретенного Карлом Пирсоном в 1901 году, они создали более компактный набор признаков. Трое соавторов работы (Han Tian, Zhang Zhu, Xu Jing) проверили эффективность модели с помощью ряда тестов. Согласно их сообщению, модель смогла выявить наличие депрессии у пациентов мужского пола с точностью 87%, а у пациентов-женщин – с точностью 87.5%. Возможно, в будущем подобные алгоритмы будут использоваться врачами в качестве вспомогательного средства для выявления депрессии. Публикация описания модели может вдохновить других исследователей на создание аналогичных диагностических инструментов для выявления других заболеваний психики. #Нейросети #ГлубокоеОбучение #Статистика #АнализРечи #Биомаркеры #Депрессия #ДиагностикаДепрессии #Диагностика #Эмоции #АнализЭмоций #МашинноеОбучение #Голос