基于语音的自杀风险识别用于危机干预热线,使用可解释的多任务学习
Zhong Ding1, Yang Zhou2, An-Jie Dai3
1Psychological Science and Health Research Center, China University of Geosciences, Lumo Road, Wuhan 430074, Hubei, China; Institute of Education, China University of Geosciences, Lumo Road, Wuhan 430074, Hubei, China; School of Automation, China University of Geosciences, Lumo Road, Wuhan 430074, Hubei, China.
Journal of affective disorders
|November 11, 2024
概括
这项研究引入了用于语音危机识别的深度学习方法,以改善危机热线中自杀风险评估. 该模型获得了96%的F1得分,提高了危机干预的有效性.
科学领域:
- 人工智能的人工智能
- 机器学习 机器学习
- 语音处理 语音处理
背景情况:
- 危机干预热线面临的挑战是连接性较差和反应延迟.
- 整合语音信号和深度学习可以提高危机评估和干预效率.
研究的目的:
- 开发和验证一种新的语音危机识别方法,用于自杀风险评估.
- 探索危机电话中的性别差异和语音特征变化.
主要方法:
- 构建了一个危机干预热线自杀风险演讲数据集,使用修改自杀风险表标记.
- 采用基于多任务和深度学习的数据理论上的双驱动,性别辅助的语音危机识别方法.
- 使用五倍交叉验证进行模型评估.
主要成果:
- 在危机通话期间发言时间的性别差异 (男性比女性多发言).
- 在危机呼叫者中发现了情绪强度,言语速度和纹理的显著差异.
- 拟议的方法获得了96%的F1分数,超过了现有方法.
结论:
- 开发的模型在语音危机识别方面表现出很高的有效性.
- 统计分析和数据与理论知识的整合提高了模型的可解释性和有效性.
- 未来的工作应该考虑更大的样本大小和多式联运数据集成.
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
403
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
7.0K
