南加州大学的研究员们研发出有了一套新的机器学习工具，可测验抑郁症患者中特定的语音特征，从而辅助临床。这套工具名为SimSensei，在面诊过程中不会聆听病人的声音特征，有心理障碍或神经疾病的人会减少他们的元音发音，这有可能让临床人员听得过于确切。这个思路（当然）无法替换原本的人为临床方案，但是它可以为临床过程加添辅助的、客观的有分量的资料。
抑郁症复发是医疗领域的引人注目问题，特别是在是初级保健医生常常会犯这种错误。2009年，一份覆盖面积50,000位病人的元研究找到，医生辨别出有抑郁症的正确率只有约50%，而且误报率（将并未患上抑郁症的人临床为患者）多达了漏报亲率（将患上抑郁症的人临床为长时间），两者比列约是3比1。这意味著是不能接受的。
但这也是无可厚非的。医生（特别是在是全科医生）在相当程度上不会过度临床疾病，其原因有两点：第一，比起于将有病临床为老死，错误地将老死临床为有病几近是更为安全性的；第二，每一次临床中都面对着各种可能性，避免其中的不确定性必须更好的专业知识以及更好的热情。 临床抑郁症的众多难题是，抑郁症是一种极为异源的疾病（heterogenousdisease）。它有多种多样的病因，还有多种多样的表现形式。
一位初级保健医生每周有可能招待上百位病人，认识到各种疾病，而且他们要从病人自我报告的诸多出现异常症状和基于会面的仔细观察中总结出有精神病临床结果，这其中的挑战可想而知。所以，像SimSensei这样的工具才不存在极大的发展空间。
SimSensei跟踪语音中和抑郁症有关的变化，并详细地记录下来。先前的研究说明了抑郁症患者常常展现出出有沉闷或消极的感情反应、语调没什么变化、音强和音高是单调的、语言活动增加、语速减缓、中断时间快速增长以及中断时长常常变化，南加州大学的一篇涉及论文写出到，此外，研究找到在抑郁症状态下的发音展现出出有声道和声带的剪切程度强化了。 对于基于噪声数据作出预测的机器学习来说，这显著是一个问题。
一般而言，语音分析是此领域主要注目的问题之一。 这套工具所做到的分析表面上显然是十分非常简单的。它修改病人的语音，只保有元音，然后分析元音a，i和u的第一和第二共振峰（谱峰）的频率。这个分析过程的前两个部分牵涉到的仪器是现实语音检测器和浸润的共振峰跟踪器。
第三个部分是算法，只不过它是一种历史非常久远的机器学习方法（产生于1967年），被称作k-均值算法。其基本工作方式是捕捉数据集，将它们区分到以某均值为中心的有所不同簇集中于去。
本文关键词：听,声音,就能,诊断,抑郁症,医疗,机器,学习,南,开元94kycom官网
本文来源：开元94kycom官网-www.themeparkcapitol.com