在虚拟代理对话中使用语音分析来区分PTSD患者与对照参与者

科学领域:

• 精神病学是一个精神病学.
• 计算语言学 计算语言学
• 语音技术 语言技术

背景情况:

• 诊断创伤后应激障碍 (PTSD) 是复杂的,因为症状重叠与其他条件和患者不愿透露. 传统的诊断方法可能缺乏敏感性和特异性.
• 自动语音分析提供了一个潜在的解决方案,通过检测超出人类感知的细微语音细微差别,潜在地提高PTSD诊断.
• 虚拟化身可以促进半结构面试,为患者创造一个舒适的环境来表达自己,这对于数据收集至关重要.

研究的目的:

• 调查从虚拟化身采访中提取的语音特征是否可以改善创伤后应激障碍 (PTSD) 的诊断.
• 评估自动语音分析在识别与PTSD相关的语言和声学标记的实用性.
• 将语音特征的诊断性能与人口统计数据进行比较.

主要方法:

• 利用DAIC-WoZ数据集,包括参与者与虚拟化身之间的142个对话.
• 从采访成绩单和音频录音中提取内容和声学特征.
• 开发了使用语音特征和人口统计数据的分类模型,以区分PTSD和控制参与者.

主要成果:

• 与对照组相比,PTSD参与者表现出明显更多的负面情绪,并且使用的词语较少.
• 结合21个语音特征的线性分类模型实现了0.70的平衡准确度,超过了仅人口统计模型 (0.53).
• 在患有并发性抑郁症和没有PTSD参与者之间没有发现显著的语言特征差异.

结论:

• 使用虚拟化身的自动语音分析可以识别PTSD的语言标记.
• 这种方法有可能有助于PTSD诊断,并减少症状披露的障碍.
• 需要进一步的研究来验证这些发现在临床环境中,并将结果概括.