SonoMind: análisis de voz basado en aprendizaje profundo para el monitoreo de la salud mental

Área de la Ciencia:

• La inteligencia artificial es inteligencia artificial.
• Psicología Clínica Psicología clínica.
• Ingeniería Biomédica Ingeniería Biomédica.

Sus antecedentes:

• El trastorno depresivo es un problema de salud mundial significativo, frecuentemente subdiagnosticado debido al estigma y las herramientas de detección limitadas.
• Los métodos automatizados de detección de depresión existentes a menudo se basan en cuestionarios o datos multimodales, con una brecha en los marcos eficientes de solo voz.
• Existe la necesidad de alternativas de diagnóstico no invasivas, objetivas y que preserven la privacidad para la detección de la depresión.

Objetivo del estudio:

• Proponer SonoMind, un marco de aprendizaje profundo adaptativo para la detección temprana de la depresión utilizando señales de voz.
• Para abordar la brecha de investigación en marcos de detección clínica de voz eficientes y confiables.
• Proporcionar una herramienta escalable y de apoyo para los profesionales de la salud mental.

Principales métodos:

• Desarrolló un marco de aprendizaje profundo adaptativo llamado SonoMind.
• Incorporado emparejamiento espectral adaptable para la reducción de ruido y aprendizaje sincrosónico para la extracción de características sincronizadas.
• Utilizado Adaptive Krill-Wolf Optimization para la selección de características, seguido de una etapa de clasificación neuronal.
• Evaluó el marco en el conjunto de datos de la entrevista clínica DAIC-WOZ.

Principales resultados:

• SonoMind logró una precisión del 97,22%, una precisión del 100%, un recuerdo del 95,92% y un puntaje F1 del 97,92%.
• El sistema demostró un error absoluto medio (MAE) de 0.027 y un error cuadrado de la raíz media (RMSE) de 0.1666.
• Los resultados confirman la solidez y confiabilidad del marco en la detección de la depresión basada en la voz.

Conclusiones:

• SonoMind muestra un potencial significativo como una herramienta escalable y de apoyo para los profesionales de la salud mental.
• El marco ofrece un método confiable y no invasivo para la detección temprana de la depresión utilizando señales de voz.
• La detección basada en la voz puede ayudar a superar las barreras asociadas con los métodos tradicionales de evaluación de la depresión.