【摘要】：抑郁癥作為目前發(fā)病率較高的精神疾病之一,其患病人群之多、持續(xù)時間之長、結(jié)果危害性之大等特點(diǎn)讓其成為精神疾病診斷過程中最大的挑戰(zhàn)。面對飽受抑郁癥折磨人數(shù)逐年遞增的現(xiàn)實(shí)情況,提高抑郁癥的識別率及早做出診斷與治療是最有效的方法途徑。根據(jù)抑郁癥患者的臨床醫(yī)學(xué)表現(xiàn),發(fā)現(xiàn)抑郁癥患者與正常群體在語音特征方面存在音調(diào)較低、語速較慢等極為明顯的差異。因此,本論文基于語音信號進(jìn)行抑郁癥識別的研究應(yīng)用。研究表明欲提高抑郁癥識別的準(zhǔn)確率,通常情況下從提取具有抑郁癥患者代表性的語音特征和不同分類方法的運(yùn)用兩方面能夠取得更好的識別效果。本論文主要從多種算法的采用方面進(jìn)行課題實(shí)驗(yàn)�；贏ViD-Corpus和DAIC-WOZ兩個抑郁癥語音數(shù)據(jù)集,前期完成對數(shù)據(jù)集中語音信號預(yù)處理、特征提取等操作,后期實(shí)現(xiàn)分類方法的模型訓(xùn)練及結(jié)果分析。鑒于目前深度學(xué)習(xí)在抑郁癥識別方面有良好的分類表現(xiàn),本論文提出采用生成式對抗網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法進(jìn)行基于語音信號的抑郁癥識別研究,以期取得更好的識別結(jié)果。已有研究工作表明集成學(xué)習(xí)方法在本實(shí)驗(yàn)研究工作中有著較好的識別效果,基于此,本論文還提出采用生成式對抗網(wǎng)絡(luò)和集成學(xué)習(xí)相結(jié)合的方法用于實(shí)驗(yàn)數(shù)據(jù)上進(jìn)行抑郁癥識別研究。本論文基于語音信號運(yùn)用多種深度學(xué)習(xí)方法相結(jié)合實(shí)現(xiàn)對抑郁癥患者和正常群體準(zhǔn)確的識別分類,多組實(shí)驗(yàn)結(jié)果的統(tǒng)計(jì)分析數(shù)據(jù)表明本論文提出的方法對抑郁癥識別的準(zhǔn)確率有所提高,并具備一定程度的可比性。最終,本文設(shè)計(jì)并實(shí)現(xiàn)了一個基于Android平臺開發(fā)的抑郁癥識別系統(tǒng)。
【圖文】：

兩個模型在實(shí)現(xiàn)各自任務(wù)過程之間形成一種對抗與博弈［２Ｑ】，最終使得實(shí)驗(yàn)逡逑結(jié)果在理想的狀態(tài)條件下區(qū)分不出真實(shí)樣本和生成樣本的差異。逡逑生成式對抗網(wǎng)絡(luò)整體實(shí)現(xiàn)過程如下圖３．２所示：逡逑真實(shí)樣本邐￣古擇士廣逡逑數(shù)據(jù)集￣￣＊１邋＊洰邐＼邐ｉ邋邐逡逑？邐魯邋損逡逑２判別式模型邋？邐一＾？邋Ｉ逡逑邐邋ｉ邐ｍ逡逑，邐，邐�。н姡卞澹�0邐數(shù)逡逑隨邐邐／邐—＾邐邐逡逑｜邋一－？生成式模型一？“假”樣本假逡逑聲逡逑圖３．２生成式對抗網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑１２逡逑

邐池化層邐卷積層池化層全連接層全連接層逡逑圖３．１卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖逡逑３．１．２生成式對抗網(wǎng)絡(luò)（ＧＡＮ）逡逑生成式對抗網(wǎng)絡(luò)最大的優(yōu)勢便在于其解決了樣本數(shù)據(jù)不充分［１９］的實(shí)驗(yàn)問題，逡逑通過參數(shù)調(diào)優(yōu)構(gòu)建實(shí)驗(yàn)階段最合適的模型網(wǎng)絡(luò)足以做到生成樣本的以假亂真。結(jié)逡逑合本文抑郁癥識別的研究課題，對于醫(yī)療上涉及到的例如核磁共振圖像、Ｘ光圖逡逑像等醫(yī)學(xué)圖像若能夠基于成熟的生成式對抗網(wǎng)絡(luò)的有效分類識別方法進(jìn)行疾病逡逑的診斷與預(yù)測，，將為醫(yī)學(xué)研究提供更為重要的診療依據(jù)。逡逑ＧＡＮ是近年來復(fù)雜分布上無監(jiān)督學(xué)習(xí)最具前景的方法之一，該算法主要包逡逑括判別式模型和生成式模型兩部分。判別式模型的主要任務(wù)是能夠準(zhǔn)確識別出輸逡逑入的樣本是真實(shí)的樣本還是生成的“假”樣本，生成式模型的主要任務(wù)則是力求逡逑生成的樣本能夠欺騙判別式模型使其識別不出真實(shí)樣本與生成樣本二者之間的逡逑差異。兩個模型在實(shí)現(xiàn)各自任務(wù)過程之間形成一種對抗與博弈［２Ｑ】，最終使得實(shí)驗(yàn)逡逑結(jié)果在理想的狀態(tài)條件下區(qū)分不出真實(shí)樣本和生成樣本的差異。逡逑生成式對抗網(wǎng)絡(luò)整體實(shí)現(xiàn)過程如下圖３．２所示：逡逑真實(shí)樣本邐￣古擇士廣逡逑數(shù)據(jù)集￣￣＊１邋＊洰邐＼邐ｉ邋邐逡逑？邐魯邋損逡逑２判別式模型邋？邐一＾？邋Ｉ逡逑邐邋ｉ邐ｍ逡逑，邐
【學(xué)位授予單位】：天津師范大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TN912.34

【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 韓文靜;李海峰;阮華斌;馬琳;;語音情感識別研究進(jìn)展綜述[J];軟件學(xué)報;2014年01期

2 和昱辰;張波;;抑郁癥臨床研究進(jìn)展[J];國際檢驗(yàn)醫(yī)學(xué)雜志;2013年07期

3 李躍華;張?zhí)m鳳;;抑郁癥研究現(xiàn)狀及未來研究目標(biāo)探討[J];中國中醫(yī)藥信息雜志;2006年10期

4 趙力,錢向民,鄒采榮,吳鎮(zhèn)揚(yáng);語音信號中的情感識別研究[J];軟件學(xué)報;2001年07期

相關(guān)博士學(xué)位論文 前2條

1 劉振宇;基于語音的抑郁識別方法及關(guān)鍵技術(shù)研究[D];蘭州大學(xué);2017年

2 尤鳴宇;語音情感識別的關(guān)鍵技術(shù)研究[D];浙江大學(xué);2007年

相關(guān)碩士學(xué)位論文 前5條

1 代久林;抑郁癥患者因果腦網(wǎng)絡(luò)特征提取及模式識別研究[D];電子科技大學(xué);2016年

2 李鵬宇;微博社交網(wǎng)絡(luò)中的學(xué)生用戶抑郁癥識別方法研究[D];哈爾濱工業(yè)大學(xué);2014年

3 潘逸雄;移動語音情感識別系統(tǒng)的研究與應(yīng)用[D];上海交通大學(xué);2013年

4 胡勇;基于功能磁共振數(shù)據(jù)的抑郁癥判別分析[D];湖南師范大學(xué);2012年

5 郭鵬娟;語音情感特征提取方法和情感識別研究[D];西北工業(yè)大學(xué);2007年

本文編號：2664358