基于副语言特征的抑郁评估模型及关键技术研究

成果名称：基于副语言特征的抑郁评估模型及关键技术研究

成果完成单位：兰州大学

成果完成人：刘振宇;陈琼琼;邢玉娟;郑芳;郭威彤;李锦珑;李昌聪;熊杭炜

所属行业：卫生和社会工作

成果登记号：9622022J0521

成果简介：

1. 课题来源与背景
“基于副语言特征的抑郁评估模型及关键技术研究”是国家自然科学基金青年科学基金项目，2018年8月获批立项，执行期为2019年1月至2021年12月，现已顺利结项。抑郁症危害巨大。为解决抑郁症医患比例失调和传统诊断方法易产生主观偏差、耗时耗力的问题，发展自动化、客观、高效的抑郁评估方法和技术是有效解决方案。

2. 研究的目的与意义
研究目的是探索客观高效的抑郁症自动评估方法，用以缓解抑郁症医患比例失调和传统诊断方法易产生主观偏差、耗时耗力的矛盾。
研究意义在于：抑郁症患者的言语行为具有自主性低、言辞少、音量小、单调、迟缓等特点，同时，语音信号的获取具有明显的优势：廉价、易获取、非接触、设备小型化、使用限制少等，因此如果这一客观评估方法得以实现并推广，它可以减少主观偏差、降低误诊率，缓解医患比例失调的矛盾，同时还有利于保护患者的隐私，提高治疗率。

3. 主要论点与论据
<1>面向抑郁人群的语音实验设计及有效言语方式筛选
在本项目实施的实验中，我们采用了访谈、朗读、图片描述等多种言语方式收集抑郁人群的语音数据，并且重点考察了不同情绪效价（正性、中性、负性）的刺激材料对受试者的影响。通过数据分析，我们确定了实验设计中的若干关键点，并且对言语方式的选择给出参考意见：访谈虽然变量相对更多，但它却是比朗读和图片描述更有效的言语方式。
<2>抑郁人群副语言特征的统计分析及与正常人群副语言特征的对比分析
语音信号虽然是一维信号，但用以描述它各方面性质的数字特征却非常多。同时，由于语音信号的短时平稳假设，通常都会分帧做处理，这样既有多种多样的低层描述符，又有基于音节、字、词、句的高层描述符，加上各种统计量，通常语音特征空间大约是几千甚至上万维。本项目重点对比研究了语音的韵律特征、谱特征、音质特征和共振峰特征，发现谱特征在我们的实验中比韵律特征更有效。进一步以上述四类特征为基础特征提取了i-vector特征，提升了抑郁识别准确率。本项目还以Hilbert-Huang变换为基础，提取了新构造语音特征，实验结果显示对抑郁的识别也有一定的表征能力。
<3>基于副语言特征的抑郁识别模型分析
本项目研究重点内容之一就是抑郁识别模型的构建。在以韵律特征、谱特征、音质特征和共振峰特征为基础特征，对比了若干经典分类器之后，着重集成学习方法。集成学习框架可以充分考虑本项目中基于访谈、朗读、图片描述等多种言语方式收集的语音数据的多样性，同时考察不同情绪效价（正性、中性、负性）来给受试者的不同刺激。基于上述因素构建的基分类器有足够的差异性，因此集成后的模型提升了抑郁识别准确率。

4. 创见与创新
创见与创新包括：<1>找到了能客观反映抑郁水平的有效副语言特征；<2>构建了基于副语言特征的抑郁评估模型；<3>确定了言语方式的影响；<4>实现了基于副语言特征的抑郁评估原型系统。

5. 社会经济效益，存在问题
<1>抑郁检测手机APP
面对抑郁患者逐年增多而抑郁症大规模筛查困难的问题，项目组开发了一款适用于Android平台的抑郁评估软件（APP）。该APP可以呈现音频和文字材料，通过问答、朗读等模块刺激并记录使用者的语音数据，利用语音信号数据评估使用者的抑郁水平。该APP简单易用，测试流程短，使用客观指标构建抑郁识别模型，可以避免抑郁筛查量表主观性强，容易刻意隐瞒等缺点。目前该抑郁评估软件（APP）已经完成开发并已进行了初步的测试，可以用于大规模人群（如学校，工厂等）的抑郁筛查。
<2>公开数据库
数据库缺乏是基于语音的抑郁识别研究中的一个关键问题。为了解决这个问题，项目组建立了1000人量级的中国抑郁人群语音数据库，在多种实验刺激条件下记录了实验受试者的语音数据。同时，项目团队成员还一起建立了MODMADataset（网址：http://modma.lzu.edu.cn/），在保护受试者隐私和签署了知情同意书的前提下，尝试性地开放了一小部分数据供科学研究人员公开使用，并组织了针对该数据库的比赛，反响热烈。这为开展更多的研究提供了数据基础。
存在问题主要是样本还相对比较小，受试人群不够丰富，因此数据的广大人群的覆盖度上还需要进一步提升。

6. 历年获奖情况
无。项目刚执行完毕。