哪里可以診斷抑郁癥[上海哪里可以做抑郁癥診斷]

郭一璞 偽裝發(fā)自 斯坦福 量子位 報導 | 大眾號 QbitAI

在全世界范圍內，有超越3億人患有抑郁癥。其間的60%的人都沒有承受任何醫(yī)治。

咱們時有聽到名人患抑郁癥乃至嚴重到自殺的音訊，卻不知周圍一些普通人身在病中不知病。

面臨這一病癥，AI能做些什么？

從前說過“AI沒有國界，AI的福祉亦無鴻溝”的李飛飛教師這次要為那些置疑自己患抑郁癥的人發(fā)明福祉了，這次她和團隊瞄準了AI確診抑郁癥這個方向：

結合語音辨認、計算機視覺和自然言語處理技能，經過表情和言語確診一個人是否患了抑郁癥。

現(xiàn)在，這項研討初見成效，確診抑郁癥的機器學習模型現(xiàn)在precision到達83.3%，recall到達82.6%。

而且，這個模型能夠布置到手機上，讓更多人能便利的確診抑郁癥，不再受困于“沒錢”、“沒時刻”、“他人知道我去查抑郁癥會怎樣談論我”的阻遏之中。

別的，這項研討成果還當選了 NIPS NeurIPS 2018醫(yī)療健康機器學習（ML4H）Workshop。

下面，量子位為咱們具體介紹李飛飛這篇新著作的具體內容。

為什么用表情和言語能確診抑郁癥？

由于醫(yī)師便是這么干的。

在現(xiàn)在的抑郁癥確診過程中，醫(yī)師需求和患者面臨面談天，來判別對方是否患病。

需求醫(yī)師來查詢的要素包含：

對方是否語調單一，完全不波瀾起伏；

說話音量是否比較低；

說話時手勢是不是比正常人少；

是不是總愛垂頭向下看；

……

別的，還需求經過患者健康問卷（PHQ, Patient Health Questionnaire）來查詢來了解更具體的信息。

用AI來確診抑郁癥，就相當于用機器學習模型來替代那個和患者對話的醫(yī)師，把患者在醫(yī)師面前的體現(xiàn)變成數(shù)據(jù)，輸入機器學習模型中。

因而，李飛飛團隊選用的計劃是先模型中輸入3D面部要害點視頻、患者說話的音頻和轉成文字的訪談錄音三種數(shù)據(jù)，別離對應下圖中的abc三行。

之后，輸出PHQ評分或抑郁癥分類標簽，就能得出此人是否患了抑郁癥。

練習模型全過程

練習這個模型用到的是DAIC-WOZ數(shù)據(jù)集，包含142名患者的PHQ評分和189次臨床訪談、一共50小時的數(shù)據(jù)。

整個模型由兩個部分組成。

第一個部分叫語句級嵌入（Sentence-Level Embeddings）。

以往的嵌入方法都是嵌入一個音節(jié)或單詞，只能捕捉幾百毫秒的時刻。李飛飛團隊用的是整個語句多模態(tài)嵌入，能夠完成捕捉更長時刻的聲響、視覺和言語元素。

下圖便是多模態(tài)語句級嵌入的示例：

第二個部分叫因果卷積網絡（C-CNN, Causal Convolutional Networks）。

之所以用因果卷積網絡，是由于抑郁癥患者說話慢。

比較普通人，抑郁癥患者說話的時分會在不同的字詞之間中止更長時刻，因而整個語句的音視頻也就比較長。處理這種長語句的時分，因果卷積網絡要比RNN強。

作用怎么

咱們來看一下試驗成果。

其間，A是指輸入數(shù)據(jù)為音頻，V是指輸入數(shù)據(jù)為視頻，L是指輸入數(shù)據(jù)為文本。

比照前人的試驗成果，李飛飛的這項新研討數(shù)據(jù)上相對較高。不過，與前人不同的是，這項新研討并不依靠一些預先做好的訪談記載，所以來的布景材料更少。而且，這項新研討無需特征工程，能夠直接用輸入原始數(shù)據(jù)。

這張試驗成果表格比照了運用不同嵌入方法的成果。其間，前兩行是手藝嵌入，第3~6行是預練習嵌入，最終兩行是咱們用到的語句級嵌入，輸入的是log-mel光譜圖、3D面部要害點視頻和Word2Vecs的序列。

傳送門

論文：

Measuring Depression Symptom Severity from Spoken Language and 3D Facial Expressions

Albert Haque, Michelle Guo, Adam S Miner, Li Fei-Fei

https://arxiv.org/abs/1811.08592

— 完 —

誠摯招聘

量子位正在招募修改/記者，工作地點在北京中關村。等待有才華、有熱心的同學參加咱們！相關細節(jié)，請在量子位大眾號(QbitAI)對話界面，回復“招聘”兩個字。

量子位 QbitAI · 頭條號簽約作者

?'?' ? 追尋AI技能和產品新動態(tài)