自動的なうつ病検出に向けて：BiLSTM/1D CNNベースのモデル

うつ病は世界的なメンタルヘルスの問題であり、最悪のケースでは自傷や自殺につながることがあります。自動的なうつ病検出システムは、臨床診断や早期介入を促進する上で大いに役立ちます。本研究では、患者インタビューからの音声信号と言語内容を利用した新しい自動うつ病検出方法を提案します。具体的には、提案された方法は、言語内容を処理するためのアテンション層を持つ双方向長短期記憶（BiLSTM）ネットワーク、音声信号を処理するための1次元畳み込みニューラルネットワーク（1D CNN）、および前の2つのモデルの出力を統合してうつ病の状態を評価する完全に接続されたネットワークという3つのコンポーネントで構成されています。公開されている2つのデータセットで評価した結果、私たちの方法は既存の方法と比較して最先端のパフォーマンスを達成しました。さらに、私たちの方法はオーディオとテキストの特徴を同時に利用します。したがって、患者が提供する誤解を招く情報を排除できます。結論として、私たちの方法は自動的にうつの状態を評価でき、専門家が現場で心理評価を実施する必要がありません。私たちの方法は、検出精度と効率を大幅に向上させます。