[논문 리뷰] A Novel Decision Tree for Depression Recognition in Speech

Zhenyu Liu, Wang Dong-yu외 2명|arXiv (Cornell University)|2020. 02. 22.

Emotion and Mood Recognition참고 문헌 23인용 수 9

한 줄 요약

이 논문은 청각 특징을 사용하여 우울증 진단 정확도를 향상시키기 위해 새로운 의사결정트리 기반 음성 세그먼트 융합 방법을 제안한다. 52명의 참가자(23명의 양성우울증 환자, 29명의 건강한 대조군)를 대상으로 평가한 결과, 성별에 따라 분류한 모델에서 남성의 정확도는 75.8%, 여성의 정확도는 68.5%를 기록하여 기준 기반 접근법보다 향상된 성능을 보였다.

ABSTRACT

Depression is a common mental disorder worldwide which causes a range of serious outcomes. The diagnosis of depression relies on patient-reported scales and psychiatrist interview which may lead to subjective bias. In recent years, more and more researchers are devoted to depression recognition in speech , which may be an effective and objective indicator. This study proposes a new speech segment fusion method based on decision tree to improve the depression recognition accuracy and conducts a validation on a sample of 52 subjects (23 depressed patients and 29 healthy controls). The recognition accuracy are 75.8% and 68.5% for male and female respectively on gender-dependent models. It can be concluded from the data that the proposed decision tree model can improve the depression classification performance.

연구 동기 및 목표

• 청각 신호를 이용한 객관적이고 자동화된 방법을 개발하여 우울증 진단의 주관성을 줄이기 위해.
• 새로운 의사결정트리 기반 음성 세그먼트 융합을 통해 우울증 분류 정확도를 향상시키기 위해.
• 실제 환자 데이터셋(52명의 참가자, 23명의 양성우울증 환자, 29명의 건강한 대조군)을 대상으로 제안된 방법을 검증하기 위해.
• 성별에 따른 성능 차이를 탐색하여 음성 특징을 이용한 우울증 인식에서의 성별 특이성에 대해 연구하기 위해.
• 임상의 기반 평가의 대안으로 강력하고 데이터 기반의 접근법을 제공하기 위해.

제안 방법

• 의사결정트리는 여러 음성 세그먼트를 융합하기 위해 훈련되어, 우울증 분류에 가장 분류 능력이 뛰어난 특징을 선택한다.
• 청각 기록에서 음성 특징을 추출하여 의사결정트리 모델의 입력으로 사용한다.
• 모델은 계층적 융합 전략을 적용하여 학습된 의사결정 규칙에 기반해 세그먼트 수준의 예측을 융합한다.
• 성별에 따른 특이성을 반영하기 위해 남성과 여성의 별도 모델을 훈련한다.
• 의사결정트리는 지니 불순도 또는 유사 기준을 사용하여 특징 공간 내 최적의 분할을 결정한다.
• 52명의 참가자 데이터셋의 테스트 분할에서 표준 평가 지표를 사용하여 모델 성능을 평가한다.

실험 결과

연구 질문

• RQ1 의사결정트리 기반 음성 세그먼트 융합은 기준 기반 방법에 비해 우울증 인식 정확도를 향상시킬 수 있는가?
• RQ2 제안된 모델의 성능은 남성과 여성 참가자 간에 어떻게 다를까?
• RQ3 얼마나 많은 정도로 음성 특징이 우울증 진단의 객관적 지표로 기능할 수 있는가?
• RQ4 성별에 맞춘 모델링은 우울증 탐지에서 분류 성능을 향상시킬 수 있는가?
• RQ5 의사결정트리는 우울증 분류에 가장 정보가 많은 음성 세그먼트를 우선순위로 정하는 데 효과적으로 학습할 수 있는가?

주요 결과

• 제안된 의사결정트리 모델은 성별에 따라 분류한 모델에서 남성 참가자에 대해 75.8%의 우울증 인식 정확도를 달성하였다.
• 여성 참가자에 대해서는 성별에 따른 분류에서 68.5%의 정확도를 기록하였다.
• 결과는 의사결정트리 융합 방법이 전통적 접근법보다 분류 성능을 향상시킨다는 것을 시사한다.
• 모델은 음성 특징을 객관적 지표로 사용할 수 있음을 입증하며, 우울증 스크리닝에의 적용 가능성을 보여준다.
• 성별에 맞춘 모델링이 더 높은 성능을 내어, 성별에 따른 음성 패턴의 차이를 고려하는 것이 우울증 인식 시스템에서 중요하다는 것을 시사한다.
• 본 연구는 의사결정트리를 활용한 지능적인 특징 융합을 통해 음성 기반 우울증 인식의 정확도를 향상시킬 수 있음을 확인하였다.