本页面由土耳其语自动翻译。 阅读原文

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

基于CNN语音分析的多语言抑郁检测

MULTILINGUAL DEPRESSION DETECTION USING CNN-BASED SPEECH ANALYSIS

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。

Tüm WCP 2026 özetleri