基于深度学习和多源数据的抑郁症识别

field：深度学习、抑郁症检测、多源数据融合

Title ：Detecting depression tendency based on deep learning and multi-sources data

journal：Biomedical Signal Processing and Control 

author: Weijun Ma , Song Qiu

data: 2023.7.27

research context:

使用多元数据结合集成模型训练来进行抑郁倾向的检测，主要内容:数据集的获取，模型的建立，训练和测试效果

Method：

1.提出了一种抑郁倾向检测的集成模型，该模型由三种模型构成，对应三种不同类型的数据源，分别为：

（1）用于社交网络文本数据的Bert社交网络模型

（2）用于步态图像数据的3D卷积模型

（3）用于步态关键点数据的LSTM模型

2.文章基于三种集成的模型采用了Majority Voting方法来对抑郁症检测

3.文章的结构：

（1）目前抑郁症的现状（WHO），传统研究方法的缺陷，总结之前研究的方法，以及不足，提出自己的研究，研究意义

（2）介绍研究方法：建立数据集（包括社交网络文本数据、步长数据）、模型（Bert、3D卷积、LSTM）、训练

社交网络模型：

步长关键点模型：

集成模型：

PS：模型要与其他模型对比

Goodness:

多元数据集，集成模型

可以在公共区域安装摄像头捕捉步态信息进行大范围预测

Badness：

1.数据集来源于大学生，而且样本较少

2.模型仍有改进的潜力

3.数据源较少，社交文本数据比较难以收集，仅仅依靠步态数据进行预测准确度不够，而且数据集难以有说服力

Discuss：

1.数据集的准确性，来源于医院，准确度更高

2.数据来源（微表情、量表）可以在与采访者面谈时获取，脑电波、激素水平可以诊断为几级抑郁