A Multi-Frequency Graph Convolutional Network for Tri-Modal Depression Detection

MF-GCN: Многочастотная графовая сверточная нейронная сеть для трехмодального выявления депрессии с использованием данных отслеживания взгляда, лицевых и акустических характеристик В статье представлена многочастотная графовая сверточная нейронная сеть (MF-GCN) для выявления депрессии с использованием данных отслеживания взгляда, лицевых и акустических характеристик. Модель решает ограничения существующих методов на основе графов за счет использования как низкочастотных, так и высокочастотных сигналов с помощью нового многочастотного модуля фильтров (MFFBM). Экспериментальные результаты показывают, что MF-GCN превосходит традиционные подходы машинного обучения и глубокого обучения в бинарной (депрессия против отсутствия депрессии) и многоклассовой классификации депрессии. Модель достигает высокой чувствительности и значений F2 как на стандартном наборе данных, так и на Китайском мультимодальном корпусе депрессии (CMDC). Исследование показывает, что трехмодальная, многочастотная структура эффективно захватывает кросс-модальные взаимодействия для точного выявления депрессии. В статье также обсуждаются различные формы депрессии и важность точной диагностики БАР. Также обсуждаются клинические методы обнаружения, такие как DSM-5 и PHQ-9. #акустическиехарактеристики отправить донаты: USDT: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 BTC: bc1q8972egrt38f5ye5klv3yye0996k2jjsz2zthpr ETH: 0xAA7B976c6A9A7ccC97A3B55B7fb353b6Cc8D1ef7 SOL: DXnz1nd6oVm7evDJk25Z2wFSstEH8mcA1dzWDCVjUj9e...