基于语音和面部特征的抑郁症识别技术研究

目录

声明

第1章 绪论

1.1 研究背景及意义

1.1.1 情感计算研究背景

1.1.2 抑郁症诊断研究背景

1.2 主要研究内容

1.3 论文组织结构

1.4 本章小节

第2章 研究基础

2.1 医学临床诊断介绍

2.1.1 通过临床症状识别

2.1.2 采用量表和深入访谈

2.1.3 采用抑郁问卷量表

2.2 基于生理信号的识别方法

2.2.1 基于脑电信号（EEG）的识别方法

2.2.2 基于其他生理信号的识别方法

2.3 基于患者行为特征的识别方法

2.4 本章小结

第3章 基于文本分析的抑郁症识别技术研究

3.1 问题的提出

3.2 解决思路

3.3 使用算法介绍

3.3.1 支持向量机（SVM）算法介绍

3.3.2 Doc2vec算法介绍

3.3.3 卷积神经网络介绍

3.4 基于SVM的局部文本分析

3.4.1 数据预处理

3.4.2 使用SVM行抑郁症倾向的分类

3.5 基于TextCNN对全局文本进行分析

3.5.1 清洗数据

3.5.2 建立Doc2vec模型

3.5.3 建立TextCNN模型

3.5.4 结果分析

3.6 本章小结

第4章 基于LSTM的音频、面部特征分析

4.1 音频数据分析

4.1.1 音频特征介绍

4.1.2 长短期记忆网络（LSTM）用于音频特征处理

4.2 面部特征数据分析

4.3 预测协同分类模型

4.5 本章小结

第5章 总结与展望

5.1 论文总结

5.1 工作展望

参考文献

致谢

攻读硕士学位期间发表的论文和参与的课题