Spontán beszédminták használhatóságának vizsgálata a depresszió automatikus súlyosság szerinti becslésének céljából

A depresszió elsősorban a hangulat negatív irányú eltolódásával járó, komplex tünettannal rendelkező mentális betegség, melynek hatása képes kiterjedni a páciensek szociális kapcsolataira és munkahelyi teljesítményére. Mindebből kifolyólag a kórkép gyakran akadályozza a betegek teljes értékű életét, súlyos esetben öngyilkossághoz is vezethet, így felismerése kiemelt jelentőségű. A korai felismerésben segítséget nyújthatnak a szűrővizsgálatok, amelyekhez a beszéd ígéretes biomarkernek mutatkozott, tekintettel annak non-invazivitására, valamint olcsó és egyszerű felhasználhatóságára. A beszédjeleket feldolgozó gépi tanuló eljárásokkal a depresszió súlyossága becsülhető, mellyel a BME Beszédakusztikai Laboratóriuma évek óta foglalkozik. Jelen munkámmal ehhez a kutatáshoz csatlakoztam.

Hazai és nemzetközi irodalmat figyelembe véve a depresszió felismerésének, illetve súlyosság alapú becslésének céljából felhasznált beszédminták elsősorban felolvasott szöveg, illetve spontán beszéd rögzítésével készültek. Az eddigi tapasztalatok alapján bár az olvasott szöveg előfeldolgozása több szempontból könnyebb volt, a spontán beszédben az érzelmek, illetve a tempóhoz köthető akusztikai jellemzők precízebben érvényesültek. Magyar nyelvű spontán beszédminták használatával viszonylag kevés gépi tanulási modell született a depresszió súlyosság alapú becslésére, azonban a Magyar Depressziós Adatbázis folyamatos előfeldolgozásának köszönhetően ez egyre nagyobb mintaszámmal kivitelezhető.

Jelen munkám során arról szeretnék beszámolni, hogy hogyan vettem részt a beszédminták előfeldolgozásában, illetve hogyan használtam fel az eddigi legnagyobb számú magyar nyelvű spontán beszédmintát a depresszió súlyosságát becslő gépi tanulási modellek létrehozásában. Végül kitérek arra, hogy ezek a minták a korábbi eredményekhez képest hogyan befolyásolták a depresszió gépi tanuló eljárásokkal való súlyosság szerinti becslésének teljesítményét.

szerző

• 
  Hamvas Imola Dr.
  Egészségügyi mérnök szak, mesterképzés
  mesterképzés (MA/MSc)

konzulens

• 
  Kiss Gábor
  PHD hallgató, Távközlési és Médiainformatikai Tanszék