基于计算机智能模型,用于在印度农业社区中检测心理健康

科学领域:

• 公共卫生 公共卫生
• 人工智能的人工智能
• 农村的医疗保健 农村的医疗保健

背景情况:

• 印度农民的心理健康问题是一个重大的公共卫生问题,农村地区对心理健康专业人员的获取有限加剧了这一问题.
• 传统的压力评估方法是主观的,劳动密集型,并且很难扩展到广泛的农村部署.
• 诸如作物失败,价格波动,债务和社会支持不足等因素导致农民福祉恶化.

研究的目的:

• 开发一种可扩展的,基于语音的诊断模型,使用卷积神经网络 (CNN) 进行农民心理健康评估.
• 评估这个人工智能驱动系统在印度农村环境中的可用性和有效性.
• 解决贫困农业社区急需可访问和客观的心理健康查工具的关键问题.

主要方法:

• 收集了350名印度农民用当地语言对压力,应对和社会支持的结构化问卷的音频答复.
• 利用卷积神经网络 (CNN) 架构来分析音频谱图,从而实现自动化特征学习.
• 评估了模型对心理健康状况的预测准确性,并评估了六个关键的可用性因素.

主要成果:

• 美国有线电视新闻网 (CNN) 模型在心理健康分类方面表现出非常高的预测准确度,达到99.67%的预测准确度.
• 该系统在所有六个评估的可用性因素中表现出强的表现:可学习性,效率,可配置性,满意度,可理解性和有效性.
• 这些发现证实了该模型的稳定性和适用于农村环境中的现实应用的适用性.

结论:

• 基于语音的CNN模型为印度农民的心理健康评估提供了一个高度准确和可扩展的解决方案.
• 开发的系统显示了将其纳入农村医疗保健外展计划的重大前景,改善了获得心理健康支持的机会.
• 这种人工智能驱动的方法代表了一种可行和有效的方法,可以克服在农业人口中诊断和解决心理健康挑战的障碍.