Uma Análise Abrangente dos Sistemas de Reconhecimento de Depressão na Fala

Sendo a terceira causa mais comum de deficiência no mundo, a depressão clínica é uma séria preocupação de saúde global caracterizada por melancolia, solidão e baixa autoestima. Cerca de 10% dos adultos nos EUA sofrem desse transtorno mental, que é difícil de quantificar porque é subjetivo. A subjetividade das técnicas diagnósticas tradicionais, como pesquisas e entrevistas, é uma desvantagem. Embora mais objetivas, marcadores biológicos correm o risco de diagnósticos incorretos. Para destacar as características acústicas distintas da fala de pessoas depressivas, como pausas, baixa energia e monotonicidade, este artigo investiga a possibilidade de que os padrões de fala sirvam como marcadores objetivos para a depressão. O artigo discute como a pesquisa sobre Reconhecimento de Depressão na Fala (SDR) está avançando para modelos de aprendizado profundo, como Redes de Memória de Longo Prazo e Curto Prazo (LSTM) e Redes Neurais Convolucionais (CNN). As dificuldades encontradas na pesquisa de SDR também são discutidas, como a necessidade de conjuntos de dados grandes e confiáveis e as deficiências das bases de dados disponíveis em termos de diversidade de cenários, rotulagem imprecisa e restrições de privacidade. Para realizar uma análise mais precisa e eficaz da depressão, a conclusão destaca a importância de compreender os efeitos fisiológicos da depressão na fala, melhorar a coleta de dados, promover colaborações interdisciplinares, investigar diversas formas de depressão e integrar dados multimodais.