申请/专利权人:合肥工业大学
申请日:2024-03-20
公开(公告)日:2024-06-11
公开(公告)号:CN118173267A
主分类号:G16H50/30
分类号:G16H50/30;G16H50/70;G06V40/16;G06V10/52;G06V10/80;G06V10/82;G06F18/25;G10L15/02;G10L15/16;G10L25/30;G10L25/66;G10L25/24;G06N3/045;G06N3/0442;G06N3/0464;G06N3/084
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.06.28#实质审查的生效;2024.06.11#公开
摘要:本发明公开了一种基于视听多模态数据融合的抑郁症评估方法,包括以下步骤:步骤1、获取受试者的面部视频及受试者音频;步骤2、得到受试者的低级视觉特征和低级音频特征;步骤3、将步骤2获取的低级视觉特征和低级音频特征输入到并行多尺度桥融合抑郁症评估PMBFN网络进行处理并得到抑郁症评级;本发明通过构建视觉与音频分支的空间编码模块、并行多尺度动态卷积模块与时空注意力池化模块,快速、高效地从视听多模态数据中提取出多尺度深度特征,全面捕获抑郁行为的动态表现,并在多模态桥融合模块的调整下,使得模态之间数据充分交互,提升多模态数据的利用率,从而提高自动抑郁症评估的准确度与效率。
主权项:1.一种基于视听多模态数据融合的抑郁症评估方法,其特征在于,包括以下步骤:步骤1、获取受试者的面部视频及受试者音频;步骤2、对获取的受试者的面部视频及受试者音频进行处理得到受试者的低级视觉特征和低级音频特征;步骤3、将步骤2获取的低级视觉特征和低级音频特征输入到并行多尺度桥融合抑郁症评估PMBFN网络进行处理并得到抑郁症评级;多尺度桥融合抑郁症评估PMBFN网络包括视觉空间编码模块SE、音频空间编码模块SE、结合LSTM的并行多尺度动态卷积网络PMDCLN,以及多模态桥融合网络MBFN和回归网络RN。
全文数据:
权利要求:
百度查询: 合肥工业大学 一种基于视听多模态数据融合的抑郁症评估方法及设备
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。