摘要
自动抑郁症检测通常通过建模临床访谈中参与者发言的语义内容和声学特征进行。然而，临床医生与参与者之间的互动时间仍然相对欠缺建模。我们研究了对话时间动态，特别是双人轮流发言的时序，作为一种主要模态，与自监督编码器融合。
在 DAIC-WOZ 数据集上评估，我们将一个紧凑的 24 维时间模块与冻结的 WavLM-large 和 RoBERTa-large 基线检测器进行了比较。该时间模块在开发集上取得了最佳的单模态性能。此外，采用凸加权的后期融合策略将整体性能提高至 0.804 和 0.669 的宏 F1 分数，分别对应开发集和测试集。学习到的融合有效地将声学特征的权重设为零，表明对话时间作为一种轻量且可解释的补充，有助于双人抑郁症筛查。
博主点评： 该研究通过引入对话时间动态，探索了抑郁症检测的新方向，展示了时间信息在情感分析中的潜力，强调了多模态融合的价值。这一方法不仅提升了检测性能，而且提供了可解释性，为临床应用带来了新的思路。