利用嵌入技术在多模态机器学习中的心理疾病评估

本研究针对传统心理疾病评估方法在可及性、客观性和一致性方面的局限性，探索多模态机器学习的潜力。通过分析多种数据预处理技术和利用文本、音频、视频数据的互补信息，结合卷积神经网络和双向LSTM网络，研究提出了一种新颖的决策级融合方法，实现了对抑郁症和创伤后应激障碍的高精度检测，平衡准确率分别达到了94.8%和96.2%。

本研究探讨了多模态机器学习在心理疾病评估中的应用，提出了一种新颖的决策级融合方法，实现了对抑郁症和创伤后应激障碍的高精度检测，准确率分别为94.8%和96.2%。