دیده بان پیشرفت علم، فناوری و نوآوری
16 شهريور 1397 - 01:45

شبکه عصبی مصنوعی از روی مکالمات روزانه افسردگی را تشخیص می‌دهد

محققان MIT شبکه عصبی مصنوعی‌ای طراحی کرده‌اند که از روی صدا و دست‌خط افراد افسردگی آنها را تشخیص می‌دهد.
کد خبر : 309454

به گزارش گروه علم و فناوری خبرگزاری آنا از نیو اطلس، محققان MIT شبکه عصبی مصنوعی‌ای را برای تشخیص افسردگی طراحی کرده‌اند که برخلاف روش‌های مبتنی بر یادگیری ماشینی که با سؤال‌پیچ کردن افراد میزان افسردگی افراد را تشخیص می‌دهند، از روی صحبت‌های روزمره این کار را انجام می‌دهد.


محققان مؤسسه فناوری ماساچوست می‌گویند: نخستین نشانه‌های روحی افراد مانند خوشحالی، ناراحتی، هیجان‌ یا شرایط ذهنی خاص از جمله افسردگی از روی مکالمات فرد قابل تشخیص هستند. با همین رویکرد، از روی مکالمات منظم سعی کردیم تعادل روحی افراد را بررسی کنیم.


این فناوری توانایی این را دارد که از موارد گذشته یاد می‌گیرد و آن را برای افراد جدید به کار گیرد. محققان از مدل‌سازی توالی استفاده کردند تا بتوانند 142 مکالمه را از نظر صوتی و محتوای آن تحلیل کنند. فقط برخی از افراد مورد مطالعه افسرده بودند. این شبکه عصبی مصنوعی توانست برخی از واژه‌ها را با الگوهای خاص صحبت کردن، مطابقت دهد.


محققان می‌گویند: برای این سیستم، واژه‌هایی چون ناراحتی، غم و بی‌حس‌وحالی با سیگنال‌های صوتی یکنواخت و آهسته و کند مرتبط می‌شوند. زیرا افراد مبتلا به افسردگی خیلی یواش صحبت می‌کنند و یا به‌صورت طولانی‌مدت صحبت‌ نمی‌کنند. این سیستم با تحلیل صحبت‌های فرد تصمیم می‌گیرد که آیا این الگوها واقعاً نشان‌دهنده افسردگی هستند یا خیر و اگر این‌چنین باشد، این الگوها را در دیگران نیز دنبال می‌کند.


نکته جالب اینجاست که این شبکه عصبی برای تشخیص افسردگی از روی صدا و صحبت افراد نیاز به نمونه‌های بیشتری دارد تا از روی نوشته‌های آنها. به طور مثال، برای این که از روی نوشته‌های فرد افسردگی‌اش را تشخیص دهد، فقط نیاز به هفت سؤال و جواب دارد؛ اما برای تشخیص افسردگی از روی صدای فرد، نیاز به 30 نمونه دارد.


محققان در مورد دلیل این امر می‌گویند: نشانه‌های افسردگی افراد در دست‌خط آنها بیشتر نمایان می‌شود تا در صدایشان.


محققان ادعا می‌کنند که این سیستم با دقت 77 درصدی میزان افسردگی افراد را تشخیص می‌دهد.


انتهای پیام/4056/


انتهای پیام/

ارسال نظر
قالیشویی ادیب