The translation of this page is being prepared; the Turkish original is shown for now. Read the original

This page is an AI-assisted Turkish summary of the study presented at the 26th World Congress of Psychiatry. The study belongs to the presenting authors; please refer to the original source when citing it.

EV0460

CNN temelli konuşma analizi ile çok dilli depresyon saptama

MULTILINGUAL DEPRESSION DETECTION USING CNN-BASED SPEECH ANALYSIS

Mel spektrogram özellikleriyle eğitilen evrişimli sinir ağı, Çince ve İngilizce konuşma verisinde depresyonu tek dilli modellerde F1 0,84 ve 0,74 ile saptamış, iki veri setinin birleştirildiği çok dilli ortak modelin başarımı tek dilli modellerin aralığı içinde kalmıştır.

Amaç, konuşma, dil ve depresyon ilişkisini inceleyerek dile bağımlı olmayan konuşma temelli depresyon saptamanın yapılabilirliğini göstermektir. Yöntem olarak iki veri seti kullanılmıştır: İngilizce DAIC-WOZ veri seti (189 kişi, her ses dosyası için psikolog tarafından verilen PHQ-8 puanı) ve Çince veri seti (212 katılımcı; 168 depresyon, 44 sağlıklı; şiddet için HAMD kullanılmış). Tablo 1'e göre İngilizce sette 56 depresyon ve 133 normal, Çince sette 168 depresyon ve 44 normal, birleşik sette 224 depresyon ve 177 normal katılımcı yer almakta olup poster metnindeki 146 depresyon ve 43 sağlıklı ifadesi bu tabloyla uyuşmamaktadır; analizlerde her hücrede 6325 adet 5 saniyelik örnek kullanılmıştır. Ses kayıtları sessizlikten arındırılıp 5 saniyelik parçalara bölünmüş, veri dengesizliği için SMOTE (Synthetic Minority Over sampling Technique) ve veri çoğaltma uygulanmış, mel spektrogram özellikleri evrişimli sinir ağına (convolutional neural network, CNN) verilmiş; duyarlılık (recall), özgüllük (specificity), kesinlik (precision), F1 puanı ve doğruluk (accuracy) hesaplanmıştır. Tek dilli modellerde Çince için doğruluk 0,85, duyarlılık 0,79, özgüllük 0,90, kesinlik 0,89, F1 0,84; İngilizce için doğruluk 0,73, duyarlılık 0,78, özgüllük 0,68, kesinlik 0,70, F1 0,74 bulunmuştur. İki veri setinin eğitim ve testte birleştirildiği ortak dil stratejisiyle birleşik test setinde doğruluk 0,74 ve F1 0,75; yalnız Çince testte doğruluk 0,64 ve F1 0,66; yalnız İngilizce testte doğruluk 0,84 ve F1 0,84 elde edilmiştir. Yazarlar çok dilli modelin başarımının tek dilli modeller için gözlenen aralık içinde kaldığını, ortak modelin diller arası bilgi birleştirmeden yararlandığını ancak dile özgü veri setlerindeki farklılıklardan etkilenebileceğini belirtmektedir. Klinik anlamı, özellikle eğitim için o dile ait depresyon derlemi bulunmadığı durumlarda çok dilli derin öğrenme modellerinin ruh sağlığı taramasına ve uzun süreli izleme desteğine katkı sağlayabileceğidir.

All WCP 2026 summaries