Hacia la Detección Automática de la Depresión: Un Modelo Basado en BiLSTM/1D CNN

La depresión es un problema global de salud mental, cuyos peores casos pueden llevar a la autolesión o al suicidio. Un sistema de detección automática de la depresión es de gran ayuda para facilitar el diagnóstico clínico y la intervención temprana en la depresión. En este trabajo, proponemos un nuevo método de detección automática de la depresión que utiliza señales de voz y contenido lingüístico de las entrevistas con los pacientes. Específicamente, el método propuesto consiste en tres componentes, que incluyen una red de Memoria a Largo Corto Plazo Bidireccional (BiLSTM) con una capa de atención para tratar el contenido lingüístico, una Red Neuronal Convolucional Unidimensional (1D CNN) para tratar las señales de voz, y una red completamente conectada que integra las salidas de los dos modelos anteriores para evaluar el estado depresivo. Evaluado en dos conjuntos de datos disponibles públicamente, nuestro método logra un rendimiento de vanguardia en comparación con los métodos existentes. Además, nuestro método utiliza características de audio y texto simultáneamente. Por lo tanto, puede deshacerse de la información engañosa proporcionada por los pacientes. Como conclusión, nuestro método puede evaluar automáticamente el estado de depresión y no requiere que un experto realice la evaluación psicológica in situ. Nuestro método mejora considerablemente la precisión de detección, así como la eficiencia.