使用声乐特征检测自杀风险:系统审查
1Centre for Mental Health, Swinburne University of Technology, Hawthorn, Australia.
JMIR biomedical engineering
|June 14, 2024
概括
人工智能分析的声音特征可以比调查更准确地检测自杀风险. 这为患者安全提供了一种具有成本效益的方法,特别是在远程医疗环境中.
科学领域:
- 人工智能的人工智能
- 精神病学是一个精神病学.
- 语音分析 语言分析
背景情况:
- 远程医疗服务越来越多地用于分拣,需要准确的自杀风险检测.
- 传统的基于调查的自杀风险评估方法存在局限性.
- 通过人工智能驱动的语音分析显示了优越自杀风险检测的潜力.
研究的目的:
- 确定在区分自杀风险方面最有效的声乐特征.
- 确定用于声征提取的系统的方法规范.
- 评估已识别的声乐特征的分类准确性.
主要方法:
- 对1995年至2021年间发表的研究进行系统审查.
- 包括随机对照试验,观察性队列研究和论文.
- 使用随机效应模型对声质测量的元分析.
主要成果:
- 语音时间模式 (95%准确度),功率光谱密度子频段 (90.3%) 和 mel-frequency cepstral 系数 (80%) 是最准确的.
- 在形成频率和动值中发现了显著的差异.
- 在57%的纳入研究中,注意到存在偏差的高风险.
结论:
- 声乐特征对发现自杀风险充满希望,特别是在远程医疗和对话代理语境下.
- 需要进行方法改进,以提高AI驱动的语音分析对自杀风险评估的可靠性.
- 基于人工智能的语音分析为患者安全提供了一种高效和经济的方法.
关键词:
生物信号处理是生物信号处理.机器学习是机器学习.心理健康 心理健康审查方法论 审查方法论危险的风险 危险的风险演讲 演讲 演讲 演讲自杀性自杀性自杀性自杀性自杀 自杀 自杀 自杀 自杀 自杀 自杀系统性审查 系统性审查一个声音,一个声音,一个声音.更多相关视频
09:09Foreign Accent and Forensic Speaker Identification in Voice Lineups: The Influence of Acoustic Features Based on Prosody
Published on: September 27, 2024
440
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.1K
