AI通过面部识别和语音识别预估抑郁症的严重程度

用AI进行情绪识别是目前较为热门的领域，像Beyond Verbal，Affectiva和Cogito等初创公司正在利用自然语言处理从声音中检测情绪唤起。但现在有一种观点认为，单凭言语无法诊断抑郁症，更不用说判断其严重程度了。

印度理工学院巴特那大学和卡昂诺曼底大学科学家的新论文“The Verbal and Non Verbal Signals of Depression — Combining Acoustics, Text and Visuals for Estimating Depression Level”，探讨非语言标志和视觉可以大大提高对抑郁水平的估计。

抑郁症和精神疾病不断增加，这样的研究可以推动更先进，个性化和自动化技术发展，抑郁症检测是一个具有挑战性的问题，因为它的许多症状都是隐蔽的。

研究人员对七种模式进行了编码，包括头部向下倾斜、眼睛凝视、微笑的持续时间和强度、自我触摸以及文字和语言暗示，它们被输入到机器学习模型，将它们融合成向量。

然后，将这些融合的载体传递到第二个系统，该系统基于个人健康问卷抑郁量表（PHQ-8）预测抑郁的严重程度，PHQ-8是一种常用于大型临床心理学研究的诊断测试。

为了训练各种系统，研究人员选择了AIC-WOZ，这是一个抑郁症数据集，包含注释的音频片段，录像和189个临床访谈的问卷回答，支持对焦虑、抑郁和创伤后应激障碍等心理状况的诊断。

每个样本都包含大量数据，包括原始音频文件，以及受访者的68个面部坐标文件（带有时间戳，置信度分数和检测成功标志），两个文件都含有参与者的头部姿势和眼睛注视特征，谈话记录文件等。

在几个预处理步骤和模型训练之后，团队使用三个指标比较AI系统的结果：均方根误差（RMSE），平均绝对误差（MAE）和可解释的方差分数（EVS）。

报告说，声学，文本和视觉这三种方式的融合有助于给出最准确的抑郁水平估计，在RMSE上表现优于现有技术7.17％，在MAE上表现超出现有技术8.08％。

未来，他们计划研究多任务学习架构，并深入挖掘文本数据的新颖表示。如果这一研究取得成果，那么对于现阶段患有抑郁症的3亿多人来说，这将是一个充满希望的方向。