基于深度抑郁特征编码网络的语音抑郁检测OA
Speech Depression Detection Based on Deep Depression Feature Encoding Network
针对语音抑郁数据集存在的特征冗余问题,提出基于深度抑郁特征编码网络(deep depression feature encoding network,D-DFENet)的语音抑郁检测方法.首先,利用 Wav2vec2.0 预训练模型提取语音潜在表征.其次,设计一种卷积变分自编码器模块,通过引入变分自编码器机制以实现特征空间降维,并在编码器的多层结构中逐层嵌入卷积神经网络,旨在有效滤除语音潜在表征中与抑郁状态无关的冗余或干扰信息.最后,在 DAIC-WOZ 数据集上进行模型性能评估.实验结果表明,当 D-DFENet 的特征维度降至 128 时,检测精度可达到 90%,在分类准确率上优于现有方法.
Aiming at the problem of feature redundancy in the speech depression dataset,a speech de-pression detection method based on the deep depression feature encoding network(D-DFENet)was pro-posed.Firstly,the Wav2vec2.0 pre-training model was utilized to extract the latent representations of speech.Secondly,a convolutional variational autoencoder module was designed.By introducing the vari-ational autoencoder mechanism,the dimensionality reduction of the feature space was achieved,and con-volutional neural networks were embedded layer by layer in the multi-layer structure of its encoder,to ef-fectively filter out the redundant or interference information unrelated to the depressive state in the latent representations of speech.Finally,the performance of the model was evaluated on the DAIC-WOZ data-set.The experimental results showed that when the feature dimension of D-DFENet was reduced to 128,the detection accuracy reached 90%,which was superior to the existing methods in classification accuracy.
李奇;姬生文;赵迪;武岩;奚洋;孟天宇
长春理工大学 计算机科学技术学院 吉林 长春 130022||吉林省脑信息与智能科学国际联合研究中心 吉林 长春 130022||长春理工大学中山研究院 广东 中山 528437长春理工大学 计算机科学技术学院 吉林 长春 130022长春理工大学 计算机科学技术学院 吉林 长春 130022长春理工大学 计算机科学技术学院 吉林 长春 130022||吉林省脑信息与智能科学国际联合研究中心 吉林 长春 130022||长春理工大学中山研究院 广东 中山 528437东北电力大学 计算机学院 吉林 吉林 132011长春理工大学 计算机科学技术学院 吉林 长春 130022
信息技术与安全科学
抑郁症检测语音特征预训练模型降维自编码器
depression detectionspeech featurepre-trained modeldimensionality reductionautoencoder
《郑州大学学报（理学版）》 2026 (3)
10-16,7
吉林省自然科学基金面上项目(20240101344JC)吉林省科技发展计划国际科技合作项目(20200801035GH)
评论