Resumen

En los últimos años, la depresión no solo hace que los pacientes sufran dolor psicológico como la autoinculpación, sino que también tiene una alta tasa de mortalidad por discapacidad. La detección temprana y el diagnóstico de la depresión, así como el tratamiento oportuno de pacientes con diferentes niveles, pueden mejorar la tasa de curación. Debido a que hay bastantes pacientes potenciales con depresión que no son conscientes de su enfermedad, algunos incluso sospechan que están enfermos pero no están dispuestos a ir al hospital. En respuesta a esta situación, esta investigación diseñó un sistema inteligente de interacción humano-computadora para el reconocimiento de la depresión. Las principales contribuciones de esta investigación son: (1) el uso de un modelo de regresión de depresión de audio (DR AudioNet) basado en una red neuronal convolucional (CNN) y una red neuronal de memoria a corto y largo plazo (LSTM) para identificar la prevalencia de pacientes con depresión. Además, utiliza un algoritmo de extracción de características de audio diferencial multisegmentado

• Materias:Comunicación inalámbrica Dispositivos móviles Seguridad de la información Algoritmo de inteligencia Sensor inteligente
• Subjects:Wireless communication Mobile devices Information security Algorithm intelligence Intelligent sensor
• Palabras claves:Depresión; Pacientes; Tratamiento; Diagnóstico; Interacción humano-computadora; Reconocimiento
• Keywords:Depression; Patients; Treatment; Diagnosis; Human-computer interaction; Recognition