跳到正文
arXiv cs.AI· Zhuoyuan Tang, Tao Wang, Kai Yang, Li Yuan, Yuezhou Zhang, Rongrong Zhong, Yi Cai, Saskia C. Sanderson, Jaime Delgadillo, Richard Dobson, Angus Roberts·· 10 小时前AI 评分29

SIGMA:基于说话人分离与症状结构化的临床访谈抑郁严重程度多模态估计框架

SIGMA: speaker-isolated, symptom-structured multimodal estimation of depression severity from clinical interviews

AI 导读

SIGMA 通过说话人分离仅保留受访者语音,并用跨注意力让文本、音频、视频在编码时相互条件化,再以分级响应头联合预测八项问卷条目。在 Extended Distress Analysis Interview Corpus 上,SIGMA 取得 CCC 0.762、RMSE 4.13、MAE 3.30 的 SOTA 结果(五个随机种子)。

正文 · AI 翻译

作者:Zhuoyuan Tang、Tao Wang、Kai Yang、Li Yuan、Yuezhou Zhang、Rongrong Zhong、Yi Cai、Saskia C. Sanderson、Jaime Delgadillo、Richard Dobson、Angus Roberts

查看 PDF HTML(实验性)

摘要:临床访谈是抑郁症评估的核心手段,但耗时且依赖评分者。自动化严重程度估计可实现可扩展的筛查,然而现有方法往往保留访谈者语音(干扰参与者线索)、采用晚期模态融合(丢失细粒度跨模态动态),或独立对症状评分(忽略症状间相关性)。我们提出 SIGMA,一个说话人感知、症状结构化的框架,用于从半临床访谈中估计抑郁严重程度。SIGMA 使用说话人日志将输入限制为参与者语音,采用交叉注意力使文本、音频和视频在编码过程中相互条件化,并使用分级响应头通过共享的潜在严重程度特质和项目特定的有序阈值联合预测八个问卷项目。在 Extended Distress Analysis Interview Corpus 上,SIGMA 取得最先进性能(五个随机种子下 CCC 0.762、RMSE 4.13、MAE 3.30)。消融实验证实,隔离参与者语音以及联合、结构化的症状预测均能显著提升一致性和估计准确性。
主题: 声音 (cs.SD);人工智能 (cs.AI);机器学习 (cs.LG)
引用为: arXiv:2611.23348 [cs.SD]
  (或 arXiv:2611.23348v1 [cs.SD] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.23348

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Tao Wang [查看邮箱]
[v1] 2026年11月17日星期二 11:56:15 UTC(1,414 KB)

来源:arXiv cs.AI · arxiv.org