یک برنامه کاربردی تلفن همراه در آینده نزدیک می‌تواند با تجزیه و تحلیل صدای افراد، ابتلای آنان به افسردگی را شناسایی کند.
یک برنامه کاربردی تلفن همراه در آینده نزدیک می‌تواند با تجزیه و تحلیل صدای افراد، ابتلای آنان به افسردگی را شناسایی کند.
به گزارش تابناک همدان، بیش از ۲۶۴ میلیون نفر در سراسر جهان از اختلال افسردگی عمده (MDD) رنج می‌برند و ۲۰ میلیون نفر دیگر نیز به اسکیزوفرنی مبتلا هستند. این دو گرفتاری از رایج‌ترین مقدمه‌های خودکشی هستند و یافتن راه‌هایی برای شناخت علائم افراد دارای هر یک از این موارد برای جلوگیری از یک پایان بد بسیار مهم است. اکنون یک سیستم جدید قصد دارد دقیقاً همین کار را انجام دهد.
اختلال افسردگی عمده یا اختلال افسردگی ماژور، اختلالی است که دو مشخصه اصلی آن یعنی حالت افسردگی (خُلقِ پایین) در وضعیت‌ها و موقعیت‌های مختلف و بی‌علاقگی به انجام فعالیت‌هایی که قبلاً برای فرد، لذت‌بخش بوده، به مدت دست‌کم دو هفته است. افسردگی معمولاً همراه با علائمی مثل عدم اعتماد به نفس، اختلالات خواب، اختلالات خوردن، خستگی، بی‌حالی و احساس درد بدون دلیل همراه است.
بر اساس یک مطالعه جدید که به شکل مجازی در ۱۸۰امین نشست انجمن صوتی آمریکا در روز سه‌شنبه ۸ ژوئن ارائه شده است، یک سیستم وارونگی گفتار، سیگنال‌های صوتی (اصوات) را به شکل متغیر‌های خاص آهنگ صوتی تجزیه و تحلیل می‌کند که حرکت و زمان حالات گفتاری را تجسم می‌کند.
مسئله خودکشی دومین علت اصلی مرگ و میر در کودکان و بزرگسالان ۱۰ تا ۳۴ ساله است. این مسئله همچنین دومین علت اصلی مرگ و میر در کودکان سیاه پوست ۱۰ تا ۱۴ ساله و سومین علت اصلی مرگ در نوجوانان سیاه پوست ۱۵ تا ۱۹ ساله است.
"کارول اسپی-ویلسون" از دانشگاه مریلند در ۱۸۰امین جلسه انجمن صوتی آمریکا که امسال به صورت مجازی برگزار شد، عنوان کرد که چگونه ممکن است سلامت روان فرد در حالات گفتاری وی قابل تشخیص باشد.
وی ادعا کرد که هماهنگی گفتاری هنگام ابتلای فرد به افسردگی عمده تغییر می‌کند و پیشنهاد کرد که یک سیستم وارونگی گفتار با قابلیت نگاشت سیگنال‌های صوتی به متغیر‌های آهنگ صوتی و تجزیه و تحلیل حالات گفتاری فرد می‌تواند این تغییرات را شناسایی کند.
وی گفت: افسردگی با کاهش سرعت حرکات روانی همراه است. در نتیجه آن‌ها نمی‌توانند به سرعت فکر کنند و سرعت مکالمه آن‌ها با مکث طولانی‌تری همراه است.
هدف این مطالعه با استفاده از تکنیک‌های یادگیری ماشین برای تهیه داده‌ها برای یک مدل یادگیری عمیق از طبقه‌بندی سلامت روان، این است که یک فناوری ردیابی افسردگی را به چیزی مانند یک برنامه در تلفن‌های هوشمند تبدیل کند که بتواند به بیماران و متخصصان روانپزشکی کمک کند تا سلامت روان افراد را بسنجند.
"اسپی-ویلسون" ادعا می‌کند که این فناوری می‌تواند تأثیر قابل توجهی در شناسایی افراد مبتلا به MDD و در نتیجه، کاهش چشمگیر میزان خودکشی داشته باشد.
وی افزود: در حالت ایده آل می‌توان با این برنامه وضعیت سلامت روان افراد جامعه را ردیابی کرد و اگر برنامه تشخیص دهد که میزان افسردگی در حال افزایش است، هشدار‌های مناسب را به آن‌ها ارائه دهد.
منبع: ایسنا
اختلال افسردگی عمده یا اختلال افسردگی ماژور، اختلالی است که دو مشخصه اصلی آن یعنی حالت افسردگی (خُلقِ پایین) در وضعیت‌ها و موقعیت‌های مختلف و بی‌علاقگی به انجام فعالیت‌هایی که قبلاً برای فرد، لذت‌بخش بوده، به مدت دست‌کم دو هفته است. افسردگی معمولاً همراه با علائمی مثل عدم اعتماد به نفس، اختلالات خواب، اختلالات خوردن، خستگی، بی‌حالی و احساس درد بدون دلیل همراه است.
بر اساس یک مطالعه جدید که به شکل مجازی در ۱۸۰امین نشست انجمن صوتی آمریکا در روز سه‌شنبه ۸ ژوئن ارائه شده است، یک سیستم وارونگی گفتار، سیگنال‌های صوتی (اصوات) را به شکل متغیر‌های خاص آهنگ صوتی تجزیه و تحلیل می‌کند که حرکت و زمان حالات گفتاری را تجسم می‌کند.
مسئله خودکشی دومین علت اصلی مرگ و میر در کودکان و بزرگسالان ۱۰ تا ۳۴ ساله است. این مسئله همچنین دومین علت اصلی مرگ و میر در کودکان سیاه پوست ۱۰ تا ۱۴ ساله و سومین علت اصلی مرگ در نوجوانان سیاه پوست ۱۵ تا ۱۹ ساله است.
"کارول اسپی-ویلسون" از دانشگاه مریلند در ۱۸۰امین جلسه انجمن صوتی آمریکا که امسال به صورت مجازی برگزار شد، عنوان کرد که چگونه ممکن است سلامت روان فرد در حالات گفتاری وی قابل تشخیص باشد.
وی ادعا کرد که هماهنگی گفتاری هنگام ابتلای فرد به افسردگی عمده تغییر می‌کند و پیشنهاد کرد که یک سیستم وارونگی گفتار با قابلیت نگاشت سیگنال‌های صوتی به متغیر‌های آهنگ صوتی و تجزیه و تحلیل حالات گفتاری فرد می‌تواند این تغییرات را شناسایی کند.
وی گفت: افسردگی با کاهش سرعت حرکات روانی همراه است. در نتیجه آن‌ها نمی‌توانند به سرعت فکر کنند و سرعت مکالمه آن‌ها با مکث طولانی‌تری همراه است.
هدف این مطالعه با استفاده از تکنیک‌های یادگیری ماشین برای تهیه داده‌ها برای یک مدل یادگیری عمیق از طبقه‌بندی سلامت روان، این است که یک فناوری ردیابی افسردگی را به چیزی مانند یک برنامه در تلفن‌های هوشمند تبدیل کند که بتواند به بیماران و متخصصان روانپزشکی کمک کند تا سلامت روان افراد را بسنجند.
"اسپی-ویلسون" ادعا می‌کند که این فناوری می‌تواند تأثیر قابل توجهی در شناسایی افراد مبتلا به MDD و در نتیجه، کاهش چشمگیر میزان خودکشی داشته باشد.
وی افزود: در حالت ایده آل می‌توان با این برنامه وضعیت سلامت روان افراد جامعه را ردیابی کرد و اگر برنامه تشخیص دهد که میزان افسردگی در حال افزایش است، هشدار‌های مناسب را به آن‌ها ارائه دهد.
منبع: ایسنا
