[發明專利]一種基于被測者的音頻確定抑郁癥嚴重程度的方法及裝置

有效

• 申請號: 202110592462.7
• 申請日: 2021-05-28
• 公開（公告）號: CN113317791B
• 公開（公告）日: 2023-03-14
• 發明（設計）人: 毛凱寧;陳頡;葉敏捷;王保鳳
• 申請（專利權）人: 溫州康寧醫院股份有限公司;杭州耶利米信息科技有限公司
• 主分類號: A61B5/16
• 分類號: A61B5/16;A61B5/00
• 代理公司: 上海華誠知識產權代理有限公司 31300
• 代理人: 徐穎聰

本申請涉及計算機技術領域，公開了一種基于被測者的音頻確定抑郁癥嚴重程度的方法、裝置、設備及介質。本申請的方法包括：接收被測者的音頻；對提取自音頻的第一矩陣，使用至少一個雙向長短期記憶模型分別基于正向長短期記憶模型和反向長短期記憶模型做并行處理，以及至少一個時域分布式卷積神經網絡進行的池化處理，得到第二矩陣；將第二矩陣處理成向量，并根據向量確定被測者的抑郁癥嚴重程度。本申請從聲音輸入到最后形成檢測結果，期間無需人工干預，實現對被測者的抑郁嚴重程度進行直接確定，而不受限醫生主觀判斷的影響，同時在精神壓力訪談語料庫數據集上實現了0.9870的F1得分，判斷結果有顯著改進，且具有較強的抗噪能力。

技術領域

本申請涉及計算機技術領域，特別涉及一種基于被測者的音頻確定抑郁癥嚴重程度的方法、裝置、設備及介質。

背景技術

精神健康障礙，如抑郁癥，正成為我國社會的主要挑戰之一。到2030年，抑郁癥將成為世界范圍內殘疾的主要原因之一。目前臨床上對抑郁癥的篩查、診斷，以及治療效果的評價，一般采用患者健康問卷抑郁量表(PHQ)、蒙哥馬利和阿斯伯格抑郁癥等級量表(MADRS)以及自報告問卷(如白氏抑郁癥量表BDI)，判斷的準確度一方面依賴于病人是否誠實回答了相關問題，另一方面嚴重依賴于醫生的經驗和主觀判斷。在當前抑郁癥門診量激增的情況下，醫生問診時間短，壓力大，誤診率高。

目前，人工智能領域已經借助機器學習方法，從音頻、視頻出發建立了多種多樣的抑郁癥檢測系統，來幫助心理學家和醫護人員進行臨床抑郁癥的檢測預防和治療。在過去的幾年中，通過音視頻信息來進行抑郁癥的檢測已經取得了許多重要的成果，然而由于抑郁癥的復雜性以及個體的差異性，抑郁癥的研究仍然面臨著嚴峻的挑戰。因此，提供一種具有客觀評判依據，不易受醫生主觀經驗影響的可基于被測者的音頻確定抑郁癥嚴重程度的方法，顯得尤為迫切。

發明內容

本申請實施例提供了一種基于被測者的音頻確定抑郁癥嚴重程度的方法、裝置、設備及介質。

第一方面，本申請實施例提供了一種基于被測者的音頻確定抑郁癥嚴重程度的方法，所述方法包括：

接收所述被測者的音頻；

對提取自所述音頻的第一矩陣，使用至少一個雙向長短期記憶模型分別基于正向長短期記憶模型和反向長短期記憶模型做并行處理，以及至少一個時域分布式卷積神經網絡進行的池化處理，得到第二矩陣，其中，所述第二矩陣包括所述音頻數據的特征數據；

將所述第二矩陣處理成向量，并根據所述向量確定所述被測者的抑郁癥嚴重程度。

在上述第一方面的一種可能的實現中，對提取自所述音頻數據的第一矩陣，使用至少一個雙向長短期記憶模型分別基于正向長短期記憶模型和反向長短期記憶模型做并行處理，包括：

對于提取自所述音頻數據的所述第一矩陣使用至少一個所述雙向長短期記憶模型分別基于所述正向長短期記憶模型和所述反向長短期記憶模型做并行處理，得到第三矩陣，所述第三矩陣由所述正向長短期記憶模型輸出的正向隱含狀態序列和由所述反向長短期記憶模型輸出的反向隱含狀態序列組成。