随机森林算法简单实例 基于人工智能的言语评估方法如何提供创伤后应激障碍诊断？
基于人工智能的言语评估方法如何提供创伤后应激障碍诊断？
创伤后应激障碍（PTSD）可能是一个非常严重的问题，不幸的是，它常常得不到诊断。然而，新技术可以提供帮助，因为它使用人工智能来判断某人是否患有创伤后应激障碍-基于他们的语言。
目前，该病的诊断通常是基于患者的自我报告或临床访谈。这两种方法都是主观的，因为它们受到病人或医生偏见的影响。有鉴于此，纽约大学医学院的研究人员着手开发一个更客观的系统。
由Charles R.marmar博士领导，他们首先记录了对53名被诊断为创伤后应激障碍的伊拉克和阿富汗退伍军人以及78名没有被诊断为创伤后应激障碍的退伍军人的诊断访谈。然后，所有的录音都用Sri国际公司开发的语音软件进行处理，以收集“简短对话”中捕获的40526个基于语音的特征。
然后使用被称为随机森林算法的统计机器学习技术来分析所有这些“简短对话”，并教他们哪些语音特征与创伤后应激障碍有关。该研究最终确定了18个因素，如不清楚的语言和“无生命的，金属的音调”，作为疾病的有力指标——可能是因为创伤事件改变了处理情绪和肌肉张力的大脑回路。
然后，当系统使用“学到的”来猜测受访者是否患有PTSD时，准确率为89%。科学家们现在计划使用额外的数据来进一步训练这个系统，以提高精确度。
“语音是自动诊断系统中一个很有吸引力的候选应用，可能是未来PTSD智能手机应用的一部分，因为它可以廉价、远程和非侵入性地测量，”助理教授、研究论文第一作者亚当D.布朗教授说。这篇论文发表在周一的《抑郁与焦虑》杂志上。
随机森林算法简单实例 随机森林算法的优缺点 随机森林算法实际应用
版权声明：本文内容由互联网用户自发贡献，本站不承担相关法律责任.如有侵权/违法内容,本站将立刻删除。
