基于深度学习的新型声声生物标志物用于韩国人的压力检测
Junghyun Namkung1, Seok Min Kim2, Won Ik Cho2
1BioMedical AI, AI Research Center, SK Telecom, Seongnam, Republic of Korea.
Psychiatry investigation
|November 29, 2024
概括
声声生物标志物可以有效地检测到韩国员工的压力,准确度为70%. 这项技术为自我监测压力水平和改进数字医疗保健解决方案提供了一个方便的工具.
科学领域:
- 数字健康数字健康
- 生物医学工程 生物医学工程
- 心理学 心理学 心理学
背景情况:
- 社会变化需要有效的压力检测和管理.
- 慢性精神压力与身体和心理疾病有关.
- 个人往往没有意识到自己的压力水平,需要定期监测.
研究的目的:
- 研究声乐生物标志物的有效性,以检测健康的韩国员工的压力.
- 为应激管理提供数字医疗保健解决方案的开发做出贡献.
- 评估语音分析在识别压力指标方面的潜力.
主要方法:
- 一项多中心临床研究涉及115名健康的韩国员工.
- 语音录音是在放松和压力诱导的条件下收集的 (社会评估的冷压试验).
- 强调频道注意力,传播和聚合时间延迟神经网络 (ECAPA-TDNN) 架构用于压力预测.
主要成果:
- 开发的模型在压力检测中实现了70%的准确率.
- 声乐生物标志物显示出作为压力自我监测的方便工具的潜力.
- 这些发现支持将语音分析集成到数字医疗保健框架中.
结论:
- 基于语音的压力评估在韩国人群中显示出有前景.
- 在不同语言群体中对声乐生物标志物的持续研究很重要.
- 语音生物标志物可以帮助积极的压力管理和数字健康干预.
