Back to search

National and Kapodistrian University of Athens

multimedia content analysis for the assessment of depression level

Abstract

dc:description

Ένα σημαντικό ποσοστό του παγκόσμιου πληθυσμού, επηρεάζεται από τη κατάθλιψη. Σύμφωνα με στοιχεία του Παγκόσμιου Οργανισμού Υγείας ως το 2012 υπήρχαν τουλάχιστον 350 εκατομμύρια άνθρωποι που υπέφεραν από κάποια μορφή κατάθλιψης. Η κακή ψυχική υγεία συχνά επηρεάζει άτομα σε ηλικία εργασίας, γεγονός που έχει έντονες κοινωνικές επιπτώσεις. Για την αξιολόγηση του επιπέδου κατάθλιψης ενός ασθενούς οι ψυχολόγοι και οι ψυχίατροι χρησιμοποιούν ερωτηματολόγια (π.χ Beck Depression Index-II - BDI-II) καθώς και στοιχεία των εκφράσεων του προσώπου και της φωνής. Στα πλαίσια αυτής της πτυχιακής η εκτίμηση του επιπέδου κατάθλιψης αντιμετωπίστηκε ως πρόβλημα πρόβλεψης του βαθμού κατάθλιψης ενός ατόμου στη κλίμακα BDI-II χρησιμοποιώντας τεχνικές μηχανικής μάθησης για την αναγνώριση χαρακτηριστικών του προσώπου και της φωνής. Πιο συγκεκριμένα, τα video που χρησιμοποιήθηκαν ως δεδομένα εισόδου στο πλαίσιο αυτής της εργασίας προήλθαν από το Depression Recognition Sub-Challenge του 2014 Audio-Visual Emotion Challenge and Workshop (AVEC 2014). Η εκτίμηση του επιπέδου κατάθλιψης έγινε με χρήση μοντέλων παλινδρόμησης SVR (Support Vector Regressors) βασισμένων σε χαρακτηριστικά εικόνας που εξήχθησαν με χρήση του αλγορίθμου AAM(Active Appearance Models), καθώς και ποικιλίας χαρακτηριστικών ήχου. Τα αποτελέσματα έδειξαν πως ο συνδυασμός των χαρακτηριστικών AAMs και ήχου, οδήγησε σε βελτίωση της ακρίβειας της διάγνωσης της κατάθλιψης συγκριτικά με τις περιπτώσεις όπου χρησιμοποιείτε μόνο μία πηγή πληροφορίας. Επιπλέον η απόδοση του συστήματος παρέμεινε σταθερή σε πειράματα όπου χρησιμοποιήθηκε subject-independent random sampling validation. Τέλος υπήρξε 6% αύξηση της απόδοσης του συστήματος χρησιμοποιώντας συνδυασμό ΑΑΜ χαρακτηριστικών με τα Baseline LGBP-TOP χαρακτηριστικά, συγκριτικά με τη περίπτωση αποκλειστικής χρήσης των Baseline LGBP-TOP χαρακτηριστικών του AVEC 2014 dataset .

Author and committee

dc:creator, dc:contributor.*
Author dc:creator
  • Σμαΐλης Χρήστος

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:1321281

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
related terms
citation

Σμαΐλης Χρήστος. multimedia content analysis for the assessment of depression level. 2015. https://pergamos.lib.uoa.gr/uoa/dl/object/1321281