# 基于CNN语音分析的多语言抑郁检测 - URL: https://alisanburak.com/zh/wcp-2026-posterler/ev0460 - Language: zh - Last updated: not specified - Page title: 基于CNN语音分析的多语言抑郁检测 | WCP 2026 摘要 > 使用梅尔频谱图特征训练的卷积神经网络，在中文和英文语音数据上的单语言抑郁检测模型中，F1分数分别达到0.84和0.74；将两个数据集合并后构建的多语言联合模型，其性能处于单语言模型的表现范围之内。 本页面由土耳其语自动翻译。 [阅读原文](https://alisanburak.com/wcp-2026-posterler/ev0460) Bu sayfa, 26. Dünya Psikiyatri Kongresi'nde sunulan çalışmanın yapay zekâ desteğiyle hazırlanmış Türkçe özetidir. Çalışmanın sahibi sunan yazarlardır; atıf için orijinal kaynağa başvurun. EV0460 E-PosterDijital Psikiyatri ve Yapay ZekâMakine öğrenmesi model geliştirme çalışması # 基于CNN语音分析的多语言抑郁检测 MULTILINGUAL DEPRESSION DETECTION USING CNN-BASED SPEECH ANALYSIS Sunan: Lidan Liu Ülke: United Kingdom Kurum: Department of Population Health, King's College London 使用梅尔频谱图特征训练的卷积神经网络，在中文和英文语音数据上的单语言抑郁检测模型中，F1分数分别达到0.84和0.74；将两个数据集合并后构建的多语言联合模型，其性能处于单语言模型的表现范围之内。 本研究旨在探讨语音、语言与抑郁之间的关系，验证基于语音、且不依赖特定语言的抑郁检测的可行性。研究使用了两个数据集：英文DAIC-WOZ数据集（189人，每份音频文件均有心理学家评定的PHQ-8分数）和中文数据集（212名参与者，其中168名存在抑郁、44名为健康者；使用汉密尔顿抑郁量表〔HAMD〕评估严重程度）。根据表1，英文数据集包含56名抑郁参与者和133名正常参与者，中文数据集包含168名抑郁参与者和44名正常参与者，合并数据集包含224名抑郁参与者和177名正常参与者；海报正文中“146名抑郁参与者和43名健康参与者”的表述与该表不一致。分析中，每个单元格均使用了6325个时长为5秒的样本。研究去除了录音中的静音部分，并将其切分为5秒片段；为处理数据不平衡问题，采用了SMOTE（合成少数类过采样技术）和数据增强，随后将梅尔频谱图特征输入卷积神经网络（convolutional neural network，CNN），并计算敏感度（召回率，recall）、特异度（specificity）、精确率（precision）、F1分数和准确率（accuracy）。在单语言模型中，中文模型的准确率为0.85、敏感度为0.79、特异度为0.90、精确率为0.89、F1分数为0.84；英文模型的准确率为0.73、敏感度为0.78、特异度为0.68、精确率为0.70、F1分数为0.74。采用在训练和测试阶段合并两个数据集的语言联合策略后，模型在合并测试集上的准确率为0.74、F1分数为0.75；仅在中文测试集上的准确率为0.64、F1分数为0.66；仅在英文测试集上的准确率为0.84、F1分数为0.84。作者指出，多语言模型的性能处于单语言模型所观察到的表现范围之内；联合模型受益于跨语言信息整合，但也可能受到不同语言数据集之间差异的影响。其临床意义在于，多语言深度学习模型有望辅助心理健康筛查和长期监测，尤其适用于缺乏相应语言抑郁语料库可供训练的情况。 [Orijinal postere git](https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/1400) Bu çalışmaya nasıl atıf yapılır? APA 7: Liu, L., Liu, L., Xie, W., & Wang, Y. (2026, September 23-26). Multilingual depression detection using cnn-based speech analysis [E-poster]. 26th WPA World Congress of Psychiatry (WCP 2026), Stockholm, Sweden. https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/1400 Vancouver: Liu L, Liu L, Xie W, Wang Y. Multilingual depression detection using cnn-based speech analysis [e-poster]. 26th WPA World Congress of Psychiatry (WCP 2026); 2026 Sep 23-26; Stockholm, Sweden. Available from: https://cslide.ctimeetingtech.com/wcp26/attendee/eposter/file/1400 Yazar adları ve başlık biçimi kongre sisteminden otomatik oluşturulmuştur; kullanmadan önce orijinal posterle karşılaştırın. ## Aynı konudan - [Siber tanıkların davranışını belirleyen etkenler](https://alisanburak.com/zh/wcp-2026-posterler/ev0041) - [Z kuşağında sosyal medyanın "lunapark etkisi"nin modellenmesi: örtük değişken yaklaşımı](https://alisanburak.com/zh/wcp-2026-posterler/ev0046) - [DEHB'de dijital girişimler: etkililik ve çok modlu tedavi yaklaşımlarına entegrasyon](https://alisanburak.com/zh/wcp-2026-posterler/ev0072) - [Algoritmaların inşa ettiği beyinler: dijital çağda DEHB, patolojiyi mi tanılıyoruz yoksa yeni bir normali mi patolojikleştiriyoruz?](https://alisanburak.com/zh/wcp-2026-posterler/ev0077) - [Genç erişkin bir örneklemde nomofobi ile yaygın anksiyete bozukluğu arasındaki ilişki](https://alisanburak.com/zh/wcp-2026-posterler/ev0111) [Tüm WCP 2026 özetleri](https://alisanburak.com/zh/wcp-2026-posterler) --- Kaynak / Source: https://alisanburak.com/zh/wcp-2026-posterler/ev0460 İletişim / Contact: Bağdat Caddesi, Veli Güneysu Apt. No:453 K:4 D:9, Suadiye / Kadıköy, İstanbul · +90 532 642 95 25 · info@alisanburak.com · https://alisanburak.com/bagdat-caddesi-psikoterapi-iletisim