[论文解读] A Novel Decision Tree for Depression Recognition in Speech

Zhenyu Liu, Wang Dong-yu+2 more|arXiv (Cornell University)|Feb 22, 2020

Emotion and Mood Recognition参考文献 23被引用 9

一句话总结

该论文提出了一种基于决策树的语音片段融合新方法，以提升使用音频特征进行抑郁识别的准确性。在52名受试者（23名抑郁患者，29名健康对照）上评估，该模型在性别相关分类中男性准确率为75.8%，女性为68.5%，性能优于基线方法。

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.

研究动机与目标

• 通过使用语音信号开发一种客观、自动化的抑郁诊断方法，以减少主观性。
• 通过基于决策树的语音片段融合新方法，提升抑郁分类的准确性。
• 在包含23名抑郁患者和29名健康对照的52名受试者真实世界数据集上验证所提方法。
• 探索使用语音特征进行抑郁识别时，性别相关性能差异。
• 为早期抑郁检测提供一种稳健、数据驱动的替代方案，以替代基于临床医生的评估。

提出的方法

• 训练决策树以融合多个语音片段，选择最具有区分性的特征用于抑郁分类。
• 从音频记录中提取语音特征，并将其作为输入输入到决策树模型中。
• 该模型采用分层融合策略，基于学习到的决策规则组合片段级别的预测结果。
• 为考虑语音模式中潜在的性别差异，分别训练性别相关模型。
• 决策树使用基尼不纯度或类似标准，以确定特征空间中的最优分割点。
• 通过标准指标（如在52名受试者数据集测试集上的准确率）评估模型性能。

实验结果

研究问题

• RQ1 与基线方法相比，基于决策树的语音片段融合是否能提升抑郁识别的准确性？
• RQ2 所提模型在男性与女性受试者中的性能表现有何差异？
• RQ3 语音特征在多大程度上可作为抑郁诊断的客观指标？
• RQ4 性别特异性建模是否能提升抑郁检测中的分类性能？
• RQ5 决策树能否有效学习到优先选择最具信息量的语音片段用于抑郁分类？

主要发现

• 所提决策树模型在性别相关模型中，男性受试者的抑郁识别准确率达到75.8%。
• 在女性受试者的性别相关分类中，模型准确率达到68.5%。
• 结果表明，决策树融合方法相比传统方法能提升分类性能。
• 该模型证明了使用语音特征作为抑郁筛查客观指标的可行性。
• 性别特异性建模带来更好的性能，表明在抑郁识别系统中应考虑性别相关的语音差异。
• 本研究证实，通过使用决策树进行智能特征融合，可有效提升基于语音的抑郁识别性能。