Sử dụng Deep Learning để phát hiện trầm cảm từ lời nói

Sơ đồ quá trình xử lý tín hiệu giọng nói của Han Tian, Zhang Zhu và Xu Jing /https://suckhoeviet.org.vn/

Trầm cảm là một trong những rối loạn tâm lý phổ biến nhất, ảnh hưởng đến khoảng 9,5% người Mỹ trưởng thành mỗi năm. Các công cụ trí tuệ nhân tạo có thể tự động phát hiện các dấu hiệu trầm cảm, giúp giảm tỷ lệ tự tử, vì những công cụ này sẽ cho phép bác sĩ xác định kịp thời những người cần hỗ trợ tâm lý.

Gần đây, các nhà nghiên cứu tại Viện Nghiên cứu Cao cấp Kim Hoa và Đại học Khoa học và Công nghệ Cáp Nhĩ Tân đã phát triển ra loại thuật toán "Deep Learning" có thể phát hiện chứng trầm cảm từ lời nói của con người. Mô hình này được giới thiệu trong một bài báo xuất bản trên tạp chí "Mobile Networks and Applications". Theo như mô tả của các nhà khoa học, Deep Learning là chức năng của trí tuệ nhân tạo, chủ yếu hoạt động với mạng nơ-ron nhân tạo để nhận dạng cảm xúc trong lời nói của con người bằng cách phân tích thông qua các tính năng liên quan khác nhau.

"Một mô hình thuật toán kết nối nhiều thông tin với những quyết định chung đã được thiết lập bằng công cụ nhận dạng cảm xúc" - Các nhà nghiên cứu Han Tian, Zhang Zhu và Xu Jing chia sẻ. "Mô hình được sử dụng để phân tích dữ liệu của các đối tượng và hỗ trợ chẩn đoán rằng các đối tượng có bị trầm cảm hay không".

Han Tian cùng các đồng nghiệp của ông đã tạo ra trên bộ dữ liệu DAIC-WOZ một tập hợp âm thanh và biểu cảm khuôn mặt 3D của những bệnh nhân được chẩn đoán mắc chứng rối loạn trầm cảm và những người không bị trầm cảm. DAIC-WOZ là cơ sở dữ liệu chứa các cuộc phỏng vấn lâm sàng, được thiết kế để hỗ trợ chẩn đoán các tình trạng tâm lý như lo lắng, trầm cảm và rối loạn căng thẳng sau chấn thương. Những bản ghi âm và nét mặt được thu thập trong các cuộc phỏng vấn do một nhân viên ảo thực hiện. Nhân viên này sẽ đặt ra những câu hỏi khác nhau về tâm trạng và cuộc sống cho người được phỏng vấn.

"Trên cơ sở phân tích các đặc điểm trong giọng nói của những người mắc chứng rối loạn trầm cảm, bài báo này tiến hành một nghiên cứu chuyên sâu về chẩn đoán trầm cảm được hỗ trợ bằng giọng nói dựa trên dữ liệu giọng nói trong bộ dữ liệu DAIC-WOZ", các nhà khoa học cho biết. "Đầu tiên, thông tin giọng nói được xử lý trước, bao gồm nhấn mạnh trước tín hiệu giọng nói, phát hiện điểm cuối, giảm nhiễu, v.v. Thứ hai, phần mềm OpenSmile sẽ trích xuất tự động các tín hiệu âm thanh và phân loại các tín hiệu. Những tính năng này có thể phản ánh và đem lại kết quả nghiên cứu chuyên sâu."

Các nhà nghiên cứu đã sử dụng "OpenSmile" để trích xuất các đặc điểm riêng lẻ của giọng nói, đồng thời kết hợp các đặc điểm thường thấy trong lời nói của bệnh nhân được chẩn đoán mắc bệnh trầm cảm. Sau đó, họ sử dụng kỹ thuật được gọi là phân tích thành phần chính để thu hẹp tập hợp các tính năng mà họ đã trích xuất.

Han Tian, Zhang Zhu và Jian đã đánh giá mô hình bằng một loạt thử nghiệm, trong đó họ đánh giá khả năng phát hiện những người bị trầm cảm và không bị trầm cảm từ các bản ghi âm giọng nói của họ. Kết quả thu về có thể nói là đáng kể, với việc phát hiện trầm cảm cùng độ chính xác 87% ở bệnh nhân nam và 87,5% ở bệnh nhân nữ.

Trong tương lai, bên cạnh các công cụ chẩn đoán lâu đời khác, thuật toán "Deep Learning" do nhóm các nhà nghiên cứu này phát triển có thể trở thành công cụ hỗ trợ bổ sung cho các bác sĩ và bác sĩ tâm lý. Ngoài ra, nghiên cứu này có thể truyền cảm hứng cho sự phát triển của các công cụ trí tuệ nhân tạo tương tự để phát hiện các dấu hiệu rối loạn tâm lý từ lời nói.