超越声学特征:将语言变量纳入自动语音分析以检测抑郁症
Patricia Laura Maran1, Peru Gabirondo2, Alexandra Vlaic3
1Psychiatry, Mental Health and Addictions Group, Vall d'Hebron Research Institute (VHIR), Instituto de Investigación Sanitaria Acreditado Instituto de Investigación - Hospital Universitario Vall d'Hebron (IR-HUVH), Barcelona, Catalonia, Spain; Department of Psychiatry and Forensic Medicine, Universitat Autònoma de Barcelona, Barcelona, Spain.
Journal of affective disorders
|March 9, 2026
概括
语音中的语言标记在西班牙语说者中发现抑郁症方面表现有前途. 结合声学和语言特征,在这项临床研究中提高了准确性.
科学领域:
- 语音分析 语音分析
- 计算语言学计算语言学
- 临床心理学 临床心理学
背景情况:
- 自动语音分析 (ASA) 主要使用声学特征,忽视语言标记.
- 在非英语说话的人群中,临床诊断的语言标记未被充分探索.
研究的目的:
- 评估声学和语言标记器的整合,以检测抑郁症.
- 在西班牙语临床样本中评估这些标记物的预测价值.
主要方法:
- 151名参与者 (80名MDD/PDD,71名对照) 通过开放式问题进行了演讲.
- 提取了语言和声学特征 (prosodic,cepstral,光谱,Teager能量运营商).
- 使用后勤回归和机器学习模型进行分类.
主要成果:
- 语言特征 (例如,动词/名词使用,词汇量) 是强烈的抑郁症预测因素.
- 语言模型 (AUC=0.86) 的表现优于声学模型 (AUC=0.79).
- 整体模型实现了可比性能 (AUC=0.86) 的高精度 (0.84) 和特异性 (0.93).
结论:
- 将语言特征集成到ASA中可以提高抑郁症检测.
- 基于语音的评估有可能用于初级保健机构的早期抑郁症查.
