تخمین افسردگی مبتنی بر صوت با استفاده از بانک فیلتر و شبکه عصبی resnet

امروزه، تغییر سبک زندگی باعث فراگیری بیماری‌هایی مانند افسردگی و اضطراب شده است. با وجود راه درمان مناسب، به دلیل هزینه بالا و عدم دسترسی به متخصصان، درصد کمی از افراد کم درآمد و مناطق محروم به درمان افسردگی اقدام می کنند. تحقیقات نشان می‌دهد افسردگی بر ویژگی های صوت انسان تاثیر می‌گذارد. لذا صوت می‌تواند به‌عنوان سیگنالی ارزان، غیرتهاجمی و قابل دسترس، ورودی آرمانی برای تشخیص افسردگی باشد. در مدل پیشنهادی یک بانک فیلتر الهام گرفته‌شده از سیستم شنوایی انسان طراحی می‌شود که ویژگی های صوت را استخراج می‌کند. سپس با استفاده از یک شبکه عصبی باقی مانده (resnet50) ویژگی های عمیق استخراج می‌شوند. همچنین در مدل پیشنهادی، برای مدل‌سازی عدم قطعیت در خروجی بانک فیلتر، یک سیستم فازی کمینه-بیشینه برای دسته بندی استفاده می‌شود. علاوه بر آن، برای آموزش شبکه عمیق یک پایگاه داده بومی صوت به‌عنوان بخشی از پایگاه داده mashad study جمع‌آوری‌شده و برای برچسب زنی از پرسشنامه فارسی بک استفاده‌شده است. با توجه به آزمایش ها، مدل پیشنهادی به‌دقت 90.7 درصد برای غربالگری افسردگی دست‌یافت. نتایج نشان می‌دهد که مصوت های صوت به‌عنوان ورودی غیر وابسته به زبان و لهجه می‌توانند برای تشخیص افسردگی استفاده شوند. از طرفی، قابلیت ثبت از راه دور و کم هزینه بودن، صوت را برای کاربرد های پزشکی از راه دور نیز مناسب می‌کند.