抑郁人群数量快速增长，加重了临床诊断负担。由于抑郁患者语音信号存在异常，基于音频的自动抑郁识别有潜力成为辅助诊断方法。然而，不同语音采集任务和分类器会导致识别性能差异较大，结果难以比较，且临床应用前仍需进一步提升性能。本研究在自发发音任务和机械发音任务下提取抑郁患者与健康被试的高层统计声学特征，并采用 PCA 降维和多层感知机建立分类模型，同时与传统分类器比较。结果表明，自发发音可诱发更具判别性的声学特征；在图片描述任务中，MLP 取得最佳性能，准确率为 0.875，平均 F1 分数为 0.855。
关于本文的更多详情，请访问此链接。