Phát Hiện Dấu Hiệu Trầm Cảm Sử Dụng Mô Hình Học Sâu

Khóa luận tốt nghiệp sư phạm tin học nghiên cứu phát hiện dấu hiệu trầm cảm bằng mô hình học sâu, ứng dụng công nghệ trong giáo dục.

• Tác giả: Nguyen Hong Thao
• Người hướng dẫn: TS. Nguyen Viet Hung
• Trường học: Trường Đại Học Sư Phạm TPHCM
• Chuyên ngành: Sư Phạm Tin Học
• Đề tài: Phát Hiện Dấu Hiệu Trầm Cảm Bằng Mô Hình Học Sâu
• Loại tài liệu: khóa luận tốt nghiệp
• Năm xuất bản: 2024
• Địa điểm: Thành Phố Hồ Chí Minh

Mục lục chi tiết

• LỜI CAM ĐOAN
• LỜI CẢM ƠN
• 1. CHƯƠNG 1: TỔNG QUAN TÌNH HÌNH NGHIÊN CỨU
• 1.1. Khảo sát tình trạng trầm cảm
• 1.2. Tình hình nghiên cứu
• 2. CHƯƠNG 2: CƠ SỞ LÍ THUYẾT
• 2.1. Lịch sử phát triển trong nghiên cứu về bệnh trầm cảm
• 2.2. Giới thiệu các loại mạng nơ-ron cơ bản và ứng dụng
• 3. CHƯƠNG 3: CƠ SỞ DỮ LIỆU TRẦM CẢM
• 3.1. Phân tích bộ dữ liệu trầm cảm DAIC
• 3.2. Ưu và nhược điểm bộ dữ liệu trầm cảm
• 3.3. Phương pháp xử lý dữ liệu
• 4. CHƯƠNG 4: XÂY DỰNG MÔ HÌNH PHÁT HIỆN DẤU HIỆU TRẦM CẢM
• 4.1. Mô hình đề xuất với đặc trưng khuôn mặt
• 4.2. Mô hình đề xuất với đặc trưng âm thanh
• 4.3. Mô hình đề xuất với đặc trưng văn bản
• 4.4. Mô hình đề xuất kết hợp các đặc trưng
• 5. CHƯƠNG 5: THỰC NGHIỆM VÀ ĐÁNH GIÁ
• 5.1. Môi trường thực nghiệm
• 5.2. Kết quả thực nghiệm
• 6. CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
• TÀI LIỆU THAM KHẢO
• PHỤ LỤC

Tóm tắt

I. Tổng Quan Về Phát Hiện Dấu Hiệu Trầm Cảm Bằng Mô Hình Học Sâu

Trầm cảm là một trong những vấn đề sức khỏe tâm thần nghiêm trọng, ảnh hưởng đến hàng triệu người trên toàn thế giới. Việc phát hiện sớm các dấu hiệu trầm cảm là rất quan trọng để có thể can thiệp kịp thời. Mô hình học sâu đã trở thành một công cụ hữu ích trong việc nhận diện các triệu chứng này thông qua phân tích dữ liệu đa phương tiện như hình ảnh, âm thanh và văn bản. Nghiên cứu này sẽ trình bày cách mà mô hình học sâu có thể được áp dụng để phát hiện dấu hiệu trầm cảm một cách hiệu quả.

1.1. Khái Niệm Về Trầm Cảm Và Tầm Quan Trọng Của Việc Phát Hiện

Trầm cảm là một rối loạn tâm lý phổ biến, với nhiều triệu chứng như cảm giác buồn bã, mất hứng thú và khó khăn trong việc tập trung. Việc phát hiện sớm các dấu hiệu này có thể giúp giảm thiểu tác động tiêu cực đến cuộc sống hàng ngày của người bệnh.

1.2. Mô Hình Học Sâu Là Gì

Mô hình học sâu là một nhánh của trí tuệ nhân tạo, sử dụng các mạng nơ-ron để phân tích và học từ dữ liệu. Các mô hình này có khả năng nhận diện các mẫu phức tạp trong dữ liệu, từ đó hỗ trợ trong việc phát hiện các dấu hiệu trầm cảm.

II. Thách Thức Trong Việc Phát Hiện Dấu Hiệu Trầm Cảm

Mặc dù có nhiều tiến bộ trong công nghệ, việc phát hiện dấu hiệu trầm cảm vẫn gặp phải nhiều thách thức. Các triệu chứng của trầm cảm thường không rõ ràng và có thể bị nhầm lẫn với các vấn đề tâm lý khác. Hơn nữa, việc thu thập và xử lý dữ liệu từ nhiều nguồn khác nhau cũng là một thách thức lớn.

2.1. Khó Khăn Trong Việc Nhận Diện Triệu Chứng

Triệu chứng trầm cảm có thể khác nhau giữa các cá nhân, và không phải lúc nào cũng dễ nhận diện. Điều này làm cho việc phát hiện trở nên khó khăn hơn, đặc biệt là trong các trường hợp nhẹ.

2.2. Vấn Đề Về Dữ Liệu

Việc thu thập dữ liệu từ nhiều nguồn khác nhau như âm thanh, hình ảnh và văn bản có thể gây khó khăn trong việc xử lý và phân tích. Đặc biệt, dữ liệu không đồng nhất có thể ảnh hưởng đến độ chính xác của mô hình.

III. Phương Pháp Phát Hiện Dấu Hiệu Trầm Cảm Bằng Mô Hình Học Sâu

Để phát hiện dấu hiệu trầm cảm, nhiều phương pháp học sâu đã được áp dụng. Các mô hình này có thể phân tích dữ liệu từ nhiều nguồn khác nhau, từ đó đưa ra những dự đoán chính xác hơn về tình trạng tâm lý của người dùng.

3.1. Sử Dụng Mạng Nơ ron Tích Chập CNN

Mạng nơ-ron tích chập (CNN) là một trong những mô hình phổ biến nhất trong việc phân tích hình ảnh. CNN có thể được sử dụng để nhận diện các biểu cảm khuôn mặt, từ đó giúp phát hiện các dấu hiệu trầm cảm.

3.2. Ứng Dụng Mạng Nơ ron Hồi Quy RNN

Mạng nơ-ron hồi quy (RNN) rất hiệu quả trong việc xử lý dữ liệu chuỗi thời gian, như âm thanh. RNN có thể phân tích giọng nói và cảm xúc của người nói để phát hiện các dấu hiệu trầm cảm.

IV. Ứng Dụng Thực Tiễn Của Mô Hình Học Sâu Trong Phát Hiện Trầm Cảm

Mô hình học sâu không chỉ có tiềm năng trong nghiên cứu mà còn có thể được áp dụng trong thực tiễn. Các ứng dụng này có thể giúp các chuyên gia tâm lý trong việc chẩn đoán và điều trị trầm cảm một cách hiệu quả hơn.

4.1. Hỗ Trợ Chẩn Đoán Tâm Lý

Các mô hình học sâu có thể hỗ trợ các chuyên gia tâm lý trong việc chẩn đoán trầm cảm thông qua việc phân tích dữ liệu từ nhiều nguồn khác nhau, từ đó đưa ra những quyết định chính xác hơn.

4.2. Nâng Cao Chất Lượng Chăm Sóc Tâm Lý

Việc áp dụng công nghệ học sâu trong chăm sóc sức khỏe tâm lý có thể giúp cải thiện chất lượng dịch vụ, từ đó nâng cao hiệu quả điều trị cho bệnh nhân.

V. Kết Luận Và Hướng Phát Triển Tương Lai

Nghiên cứu về phát hiện dấu hiệu trầm cảm bằng mô hình học sâu đang mở ra nhiều cơ hội mới trong lĩnh vực tâm lý học. Việc áp dụng công nghệ này không chỉ giúp phát hiện sớm các triệu chứng mà còn hỗ trợ trong việc điều trị hiệu quả hơn.

5.1. Tóm Tắt Kết Quả Nghiên Cứu

Nghiên cứu đã chỉ ra rằng mô hình học sâu có thể phát hiện dấu hiệu trầm cảm một cách hiệu quả thông qua việc phân tích dữ liệu đa phương tiện. Điều này mở ra hướng đi mới cho việc chẩn đoán và điều trị.

5.2. Hướng Phát Triển Trong Tương Lai

Trong tương lai, việc phát triển các mô hình học sâu có thể được cải thiện hơn nữa để nâng cao độ chính xác và khả năng nhận diện các triệu chứng trầm cảm, từ đó hỗ trợ tốt hơn cho người bệnh.

Nội dung chính

Bối cảnh và vấn đề nghiên cứu

Khóa luận tốt nghiệp "Xây dựng mô hình phát hiện dấu hiệu trầm cảm sử dụng mô hình học sâu" (ngành Sư phạm Tin học, Khoa Công nghệ Thông tin, Trường Đại học Sư phạm Thành phố Hồ Chí Minh, năm 2024) của hai tác giả Nguyễn Hồng Thảo Nguyên và Nguyễn Tuấn Hưng được thực hiện trong bối cảnh các rối loạn sức khỏe tâm thần gia tăng nhanh chóng dưới áp lực của xã hội hiện đại.

Theo báo cáo của Tổ chức Y tế Thế giới (WHO), trầm cảm là bệnh lý nghiêm trọng ảnh hưởng tiêu cực đến hơn 280 triệu người trên toàn cầu. Ước tính có gần 800.000 ca tự tử mỗi năm (trung bình cứ 40 giây có một ca), trong đó khoảng 50% số người tự tử có biểu hiện trầm cảm hoặc rối loạn tâm trạng. Dữ liệu từ Viện Đo lường và Đánh giá Sức khỏe (IHME) qua nền tảng GHDx cho thấy trầm cảm là nguyên nhân hàng đầu gây ra gánh nặng bệnh tật (DALYs) trong nhóm rối loạn tâm thần giai đoạn 1990–2019. Tỷ lệ trung bình toàn cầu của các triệu chứng trầm cảm đã tăng lên 34% (2001–2020); riêng tại TP. Hồ Chí Minh năm 2022, tỷ lệ mắc rối loạn trầm cảm tại các cơ sở y tế ghi nhận ở mức 15,8%.

Thực tiễn chẩn đoán lâm sàng truyền thống phụ thuộc chủ yếu vào phỏng vấn trực tiếp hoặc các bảng hỏi tự điền, dẫn đến nguy cơ thiếu sót trong việc tổng hợp khách quan các biểu hiện hành vi phi ngôn ngữ. Nhằm hỗ trợ quy trình sàng lọc y tế, đề tài xác lập các mục tiêu và phạm vi cụ thể:

• Mục tiêu nghiên cứu: Xây dựng mô hình học sâu có khả năng nhận diện dấu hiệu trầm cảm dựa trên dữ liệu đa phương thức, đóng vai trò như một công cụ hỗ trợ chuyên gia y tế trong chẩn đoán chứ không thay thế hoàn toàn phán đoán chuyên môn.
• Nhiệm vụ nghiên cứu: (1) Khảo sát các công trình nghiên cứu và cơ sở lý thuyết về trầm cảm; (2) Nghiên cứu kỹ thuật trích xuất đặc trưng hình ảnh, giọng nói và văn bản; (3) Xử lý dữ liệu và xây dựng mô hình học sâu trên từng nhánh đặc trưng đơn lẻ cũng như mô hình kết hợp; (4) Huấn luyện, đánh giá và so sánh thực nghiệm trên tập dữ liệu chuẩn.
• Đối tượng và phạm vi nghiên cứu: Đối tượng nghiên cứu là các cá nhân có hoặc không có biểu hiện trầm cảm. Phạm vi nghiên cứu tập trung vào tương tác trong các cuộc phỏng vấn lâm sàng thuộc bộ dữ liệu chuẩn quốc tế DAIC (Distress Analysis Interview Corpus).

Cơ sở lý thuyết và phương pháp

Khóa luận tổng hợp các nền tảng lý thuyết từ tâm thần học, tâm lý học nhận thức đến kỹ thuật học sâu:

• Khung bệnh học và thang đo truyền thống: Dựa trên Cẩm nang Chẩn đoán và Thống kê Rối loạn Tâm thần (DSM-III, DSM-V), thuyết nhận thức của Aaron Beck (các suy nghĩ tiêu cực về bản thân), thuyết bất lực tập nhiễm của Martin Seligman và Hệ thống mã hóa hành động khuôn mặt (FACS). Nghiên cứu phân tích ba thang đo lâm sàng phổ biến:
  • Thang Beck (BDI-II): Gồm 21 câu hỏi (thang điểm 0–3 mỗi câu), phân loại: 0–13 (tối thiểu), 14–19 (nhẹ), 20–28 (vừa), 29–63 (nặng).
  • Thang PHQ (PHQ-8 và PHQ-9): Thang điểm phân loại mức độ: 1–4 (tối thiểu), 5–9 (nhẹ), 10–14 (vừa), 15–19 (nặng vừa), $\ge$ 20 (nặng).
  • Thang Hamilton (HAMD-17): Phân loại: $\le$ 7 (bình thường), 8–13 (nhẹ), 14–18 (vừa), 19–22 (nặng), > 22 (rất nặng).
• Đặc trưng hành vi: Phân tích các đơn vị hành động khuôn mặt (Action Units - AU), đặc biệt là sự giảm sút của AU12 (cơ gò má lớn khi cười) và sự xuất hiện của AU14 (cơ mút thể hiện cảm xúc khinh thường); phối hợp cùng các tham số hướng nhìn (gaze), hướng đầu (pose) và các biến đổi âm học (cao độ, độ rung jitter, shimmer, tỷ lệ hài hòa trên nhiễu H1H2, hệ số phổ MCEP).
• Mô hình học sâu sử dụng:
  • Mạng nơ-ron nhân tạo (ANN) với các hàm kích hoạt ReLU, Sigmoid và đặc biệt là hàm kích hoạt SELU (Scaled Exponential Linear Unit) trong mạng tự chuẩn hóa (SNN) nhằm kiểm soát hiện tượng biến mất hoặc bùng nổ gradient.
  • Mạng nơ-ron tích chập (CNN) với các lớp Convolution, Max-Pooling và Fully Connected.
  • Mạng nơ-ron hồi quy với các biến thể Long Short-Term Memory (LSTM), Bidirectional LSTM (Bi-LSTM) và Gated Recurrent Unit (GRU).
  • Mạng chú ý phân cấp (Hierarchical Attention Networks - HAN) gồm bộ mã hóa cấp từ (Word-level BiGRU), cơ chế chú ý từ, bộ mã hóa cấp câu (Sentence-level BiGRU) và cơ chế chú ý câu.
• Phương pháp nghiên cứu thực tế: Nghiên cứu kết hợp phương pháp phân tích - tổng hợp lý thuyết với phương pháp thực nghiệm dữ liệu số trên máy tính. Dữ liệu thô đa phương thức được trích xuất, chuẩn hóa chuỗi thời gian, áp dụng kỹ thuật nhúng câu (sentence embedding) cho văn bản, khử nhiễu tín hiệu âm thanh và cân bằng dữ liệu trước khi nạp vào mạng nơ-ron.
• Nguồn dữ liệu: Bộ dữ liệu DAIC-WOZ (Distress Analysis Interview Corpus - Wizard of Oz) do Viện Công nghệ Sáng tạo thuộc Đại học California tại Los Angeles (UCLA/USC) xây dựng.

Nội dung chính theo từng chương

Lời mở đầu

Chương này nêu rõ tính cấp thiết của việc áp dụng trí tuệ nhân tạo vào hỗ trợ chẩn đoán tâm thần học trong thời đại số. Tác giả xác định rõ mục tiêu nghiên cứu, đối tượng, phạm vi khảo sát thực nghiệm trên tập dữ liệu DAIC, phương pháp nghiên cứu lý thuyết lẫn thực nghiệm, ý nghĩa khoa học và thực tiễn cùng cấu trúc 6 chương của khóa luận.

Chương 1: Tổng quan tình hình nghiên cứu

Chương 1 cung cấp bức tranh toàn cảnh về dịch tễ học trầm cảm qua số liệu của Mayo Clinic, WHO và IHME. Tác giả khảo sát các công trình trong và ngoài nước về nhận diện trầm cảm dựa trên thị giác máy tính, phân tích giọng nói và khai phá văn bản. Chương này thống kê 10 bộ dữ liệu chuẩn trong lĩnh vực:

Bộ dữ liệu	Tác giả - Năm	Loại dữ liệu
The Danish Depression	Videbech (2016)	Âm thanh / Video / Báo cáo
Depression	Garcia-Ceja (2018)	Âm thanh / Video
DAIC	Gratch, Artstein et al. (2014)	Âm thanh / Video
AVEC 2013	Valstar et al. (2013)	Âm thanh / Video
AVEC 2014	Valstar et al. (2014)	Âm thanh / Video
AVEC 2016	Valstar et al. (2016)	Âm thanh / Video
Crisis Text Line	Lieberman và Meyer (2013)	Dữ liệu văn bản
DementiaBank Database	Becker et al. (1994)	Âm thanh / Video
RSDD dataset	Yates et al. (2017)	Dữ liệu văn bản Reddit
Depression dataset	Pradhan et al.	Dữ liệu văn bản / Đa phương thức

Tác giả đúc kết ba thách thức lớn: dấu hiệu trầm cảm rất đa dạng và thường biểu hiện ngầm; yêu cầu nghiêm ngặt về bảo mật và quyền riêng tư thông tin cá nhân; tình trạng mất cân bằng dữ liệu nghiêm trọng giữa nhóm bệnh nhân và nhóm người bình thường.

Chương 2: Cơ sở lí thuyết

Chương 2 phác thảo lịch sử nghiên cứu trầm cảm từ quan niệm tâm linh thời Lưỡng Hà (năm 2 TCN), học thuyết thể dịch của Hippocrates, quan điểm của danh y Ba Tư Rhazes (865–925 SCN), tác phẩm của Robert Burton (1621), đến sự phân định tâm thần học hiện đại của Emil Kraepelin (1895). Tiếp đó, chương trình bày chi tiết các lý thuyết nhận thức, biểu hiện hành vi phi ngôn ngữ, 27 đơn vị hành động khuôn mặt (AU) đầu tiên và các thang đo BDI-II, PHQ-8/PHQ-9, HAMD. Về mặt kỹ thuật, chương trình bày cơ chế lan truyền thuận - ngược, các hàm kích hoạt (ReLU, SELU, Sigmoid), kiến trúc CNN, RNN, LSTM, Bi-LSTM và công thức toán học hoàn chỉnh của mạng chú ý phân cấp (HAN).

Chương 3: Cơ sở dữ liệu trầm cảm

Chương 3 tập trung phân tích bộ dữ liệu DAIC-WOZ gồm 189 cuộc phỏng vấn tương tác giữa người tham gia và nhân vật ảo "Ellie" (thời lượng 7–33 phút, trung bình 16 phút). Cấu trúc phân chia dữ liệu chính thức được tác giả trình bày như sau:

Tập dữ liệu	Số lượng clip	Trầm cảm	Không trầm cảm
Training set (Tập huấn luyện)	107	30	77
Validation set (Tập kiểm định)	35	13	22
Test set (Tập kiểm tra)	47	14	33
Tổng cộng (DAIC)	189	57	132

Về phương pháp xử lý dữ liệu, tác giả chọn lọc 4 nhóm đặc trưng:

• Đặc trưng khuôn mặt: Trích xuất tọa độ hướng nhìn 3D (gaze) và hướng quay đầu 3D (pose) với tần số 30 Hz.
• Đặc trưng âm thanh: Xử lý tín hiệu từ tệp âm thanh thô 16 kHz (.wav) thu bằng microphone Sennheiser HSP 4-EW-3, thực hiện khử nhiễu và trích xuất dạng sóng.
• Đặc trưng văn bản: Xử lý tệp bản ghi (transcript); tách lọc chỉ giữ lại lời thoại của người tham gia theo mốc thời gian bắt đầu - kết thúc, loại bỏ lời thoại của người phỏng vấn ảo Ellie; ghép nối thành đoạn văn bản hoàn chỉnh và chuyển đổi qua kỹ thuật nhúng câu (sentence embedding).
• Cân bằng dữ liệu: Xử lý cấu trúc chuỗi thời gian và cân bằng tỷ lệ mẫu giữa các lớp.

Chương 4: Xây dựng mô hình phát hiện dấu hiệu trầm cảm

Chương này thiết kế các nhánh mô hình học sâu chuyên biệt cho từng loại đặc trưng:

1. Mô hình nhánh khuôn mặt: Xử lý chuỗi thông tin cử động đầu (pose) và hướng nhìn mắt (gaze).
2. Mô hình nhánh âm thanh: Xử lý đặc trưng âm học thu được từ các đoạn hội thoại đã khử nhiễu.
3. Mô hình nhánh văn bản: Ứng dụng mạng chú ý phân cấp (HAN) với word encoder và sentence encoder dựa trên BiGRU nhằm nắm bắt ngữ cảnh hội thoại và gán trọng số cho các từ/câu mang tính chỉ báo tâm lý.
4. Mô hình đề xuất kết hợp: Hợp nhất biểu diễn đa phương thức từ các nhánh đơn lẻ nhằm đưa ra phán đoán phân loại tổng thể.

Chương 5: Thực nghiệm và đánh giá

Chương 5 mô tả chi tiết môi trường thực nghiệm, cấu hình phần cứng, các thư viện hỗ trợ và quy trình huấn luyện. Tác giả áp dụng các độ đo đánh giá tiêu chuẩn trong bài toán phân loại nhị phân. Các kết quả thực nghiệm được tổng hợp và phân tích qua nhiều trường hợp kiểm thử trên tập dữ liệu DAIC-WOZ, so sánh hiệu năng giữa các nhánh mô hình đơn lẻ và mô hình đa phương thức kết hợp, đồng thời đối chiếu với các công trình nghiên cứu đã công bố trước đây trên cùng bộ dữ liệu.

Chương 6: Kết luận và hướng phát triển

Chương cuối tóm tắt toàn bộ các mục tiêu đã hoàn thành, nêu rõ những hạn chế khách quan liên quan đến dữ liệu và đề xuất các định hướng nghiên cứu tiếp theo để nâng cao độ chính xác cũng như khả năng khái quát hóa của hệ thống.

Kết quả và đóng góp

• Kết quả thực nghiệm chính:
  • Thiết lập thành công quy trình tiền xử lý và đồng bộ dữ liệu đa phương thức trên tập DAIC-WOZ gồm 189 mẫu (huấn luyện: 107, kiểm định: 35, kiểm tra: 47).
  • Tách lọc chính xác lời thoại của bệnh nhân từ bản ghi transcript, loại bỏ hoàn toàn nhiễu từ người máy Ellie và mã hóa văn bản bằng sentence embedding.
  • Xây dựng thành công các mạng nơ-ron học sâu chuyên biệt cho từng đặc trưng (hướng nhìn, hướng đầu, âm thanh 16 kHz và văn bản qua mạng HAN) cùng mô hình tích hợp đa phương thức.
• Giải pháp và kiến nghị đề xuất:
  • Khuyến nghị kết hợp thông tin đa nguồn (hình ảnh cử chỉ, âm học và ngữ nghĩa văn bản) thay vì phụ thuộc vào một phương thức đơn lẻ nhằm giảm thiểu sai lệch do tính chất che giấu triệu chứng của bệnh nhân.
  • Sử dụng mô hình trí tuệ nhân tạo như một công cụ hỗ trợ sàng lọc sơ bộ ban đầu, giúp các cơ sở chăm sóc sức khỏe phát hiện sớm nguy cơ trước khi tiến hành can thiệp lâm sàng chuyên sâu.
• Đóng góp so với các nghiên cứu trước:
  • Tự động hóa quy trình trích xuất đặc trưng phi ngôn ngữ (pose, gaze) kết hợp với mô hình chú ý phân cấp (HAN) trên văn bản đối thoại, giải quyết được tính cục bộ của các mô hình học máy truyền thống.
  • Đóng góp thêm một quy trình thực nghiệm học sâu hoàn chỉnh đối với bài toán nhận diện trầm cảm bằng tiếng Anh trên bộ ngữ liệu DAIC-WOZ trong môi trường học thuật Việt Nam.

Hạn chế và hướng nghiên cứu tiếp

• Hạn chế được tác giả chỉ ra:
  • Mất cân bằng dữ liệu: Tỷ lệ mẫu người trầm cảm trong tập DAIC-WOZ thấp hơn đáng kể so với nhóm không mắc bệnh (57 ca trầm cảm so với 132 ca bình thường trên tổng số 189 người), gây thiên lệch trong quá trình học của mô hình.
  • Quy mô dữ liệu còn nhỏ: Số lượng 189 mẫu là tương đối khiêm tốn đối với các mạng học sâu nhiều tham số, làm hạn chế khả năng tổng quát hóa trên các tập đối tượng thực tế khác biệt.
  • Tính chất phức tạp của bệnh lý: Biểu hiện của trầm cảm mang tính cá nhân hóa cao, nhiều đối tượng không bộc lộ dấu hiệu cảm xúc tiêu cực rõ rệt ra bên ngoài.
  • Rào cản bảo mật y tế: Các quy định nghiêm ngặt về bảo vệ quyền riêng tư khiến việc thu thập thêm dữ liệu phỏng vấn lâm sàng mới gặp nhiều khó khăn.
• Hướng nghiên cứu tiếp theo:
  • Mở rộng tập dữ liệu nghiên cứu và áp dụng các kỹ thuật cân bằng dữ liệu chuỗi thời gian tiên tiến hơn.
  • Nâng cấp kiến trúc mạng nơ-ron, tối ưu hóa cơ chế hợp nhất đa phương thức nhằm cải thiện độ chính xác và khả năng nhận biết ở các trường hợp biểu hiện ngầm.

Giá trị tham khảo

Khóa luận là tài liệu tham khảo phù hợp cho sinh viên, giảng viên và học viên cao học thuộc các ngành Công nghệ thông tin, Khoa học dữ liệu, Sư phạm Tin học và các lĩnh vực nghiên cứu liên ngành như Tin sinh học và Tâm lý học tính toán.

Nội dung có giá trị ứng dụng cao nhất bao gồm:

1. Bảng tổng hợp chi tiết 10 bộ dữ liệu chuẩn quốc tế về trầm cảm cùng phân loại phương thức đi kèm.
2. Quy trình tiền xử lý dữ liệu thực tế: kỹ thuật làm sạch transcript đối thoại, khử nhiễu tệp âm thanh WAV và phân tích tọa độ chuyển động mắt/đầu từ OpenFace.
3. Cơ sở toán học và kiến trúc triển khai mạng chú ý phân cấp (HAN) kết hợp mạng nơ-ron hồi quy cho bài toán xử lý chuỗi văn bản đối thoại.

Câu hỏi thường gặp

1. Bộ dữ liệu DAIC-WOZ được phân chia như thế nào trong khóa luận?
Bộ dữ liệu gồm 189 clip phỏng vấn lâm sàng, được chia sẵn thành: tập huấn luyện (Training set) gồm 107 clip (30 ca trầm cảm, 77 ca không trầm cảm); tập kiểm định (Validation set) gồm 35 clip (13 ca trầm cảm, 22 ca không trầm cảm); tập kiểm tra (Test set) gồm 47 clip (14 ca trầm cảm, 33 ca không trầm cảm).

2. Khóa luận lựa chọn những nhóm đặc trưng cụ thể nào từ dữ liệu DAIC?
Nhóm tác giả lựa chọn 4 nhóm đặc trưng chính: đặc trưng hướng nhìn 3D (gaze), đặc trưng hướng quay đầu 3D (pose), đặc trưng âm thanh (xử lý từ tệp âm thanh thô 16 kHz sau khi khử nhiễu) và đặc trưng văn bản (lời thoại người tham gia từ tệp transcript).

3. Dữ liệu văn bản từ tệp transcript được tiền xử lý ra sao?
Quy trình tiền xử lý văn bản gồm: trích xuất mốc thời gian bắt đầu và kết thúc của các câu; lọc bỏ toàn bộ câu thoại của người máy ảo Ellie, chỉ giữ lại câu trả lời của người tham gia; ghép các câu lại thành văn bản hoàn chỉnh có dấu chấm phân cách; loại bỏ các từ lỗi và áp dụng kỹ thuật nhúng câu (sentence embedding) để bảo toàn ngữ cảnh ngữ nghĩa.

4. Vì sao các đơn vị hành động khuôn mặt AU12 và AU14 được nhấn mạnh trong nghiên cứu?
Dựa trên các nghiên cứu tâm lý học lâm sàng và hệ thống FACS, sự chuyển động của cơ mặt ở người trầm cảm có sự khác biệt rõ rệt: AU12 (cơ gò má lớn) biểu hiện sự nhíu mày và giảm tần suất cười ở bệnh nhân trầm cảm nặng; trong khi AU14 (cơ mút biểu hiện cảm xúc khinh thường) là yếu tố mang tính chỉ báo chính xác trong việc nhận diện trầm cảm.

5. Những thang điểm lâm sàng nào được trình bày làm cơ sở so sánh mức độ trầm cảm?
Khóa luận trình bày 3 thang đo: Bảng kiểm tra trầm cảm Beck (BDI-II, 21 câu hỏi), Thang đánh giá sức khỏe bệnh nhân PHQ (bản PHQ-8 và PHQ-9) và Thang đánh giá trầm cảm Hamilton (HAMD-17, 17 câu hỏi).

Kết luận

Khóa luận tốt nghiệp của sinh viên Nguyễn Hồng Thảo Nguyên và Nguyễn Tuấn Hưng đã thực hiện một nghiên cứu thực nghiệm nghiêm túc về việc ứng dụng học sâu vào phát hiện dấu hiệu trầm cảm dựa trên dữ liệu đa phương thức. Đề tài đã hệ thống hóa đầy đủ cơ sở lý thuyết bệnh học, phân tích cấu trúc bộ dữ liệu chuẩn DAIC-WOZ và xây dựng các mô hình trích xuất đặc trưng hình ảnh, âm thanh cùng mạng chú ý phân cấp (HAN) cho văn bản. Mặc dù còn chịu hạn chế khách quan về quy mô và sự mất cân bằng dữ liệu mẫu, công trình mang lại giá trị tham khảo học thuật rõ ràng cho các định hướng ứng dụng trí tuệ nhân tạo hỗ trợ y tế và chăm sóc sức khỏe tinh thần.

Trích đoạn nội dung tài liệu

Chương 1: Tổng quan tình hình nghiên cứu Khảo sát tình hình gia tăng của tram cảm trên toàn thế giới nói chung và các nước nói riêng. Giới thiệu tông quan các công trình nghiên cứu đã được áp dụng dé giải quyết bài toán phát hiện dấu hiệu trầm cảm. Giới thiệu về các tập dữ liệu chuẩn được các nhà nghiên cứu dang sử dụng và thách thức của dé tài trong lĩnh vực nghiên cứu. Chương 2: Cơ sở lí thuyết Trình bày về lịch sử phát triển trong nghiên cứu vẻ lịch sử của bệnh trầm cảm và các khái niệm liên quan.

Bên cạnh đó, giới thiệu về các loại mạng nơ-ron cơ bản và được áp dụng vào mô hình. 10 Chương 3: Cơ sở dữ liệu trầm cảm Phân tích bộ dit liệu tram cảm DAIC được chọn sử dụng trong dé tài này gồm các nội dung như: cấu trúc, uu và nhược điểm của bộ dữ liệu. Nêu các bước xử lý cho từng đặc trưng, phân tích xử lý dit liệu chuỗi thời gian và thực hiện cân bang dit liệu. Chương 4: Xây dựng mô hình phát hiện dấu hiệu tram cảm Trình bày chỉ tiết phương pháp mà chúng tôi sử đụng dé phát hiện dấu hiệu tram cảm của con người.

Phương pháp này thực hiện trên các nhánh đơn trưng đơn phương thức đồng thời thực hiện kết hợp giữa các nhánh. Chương 5: Thực nghiệm và đánh giá So sánh các kết quả đạt được khi huấn luyện mô hình trên tập dữ liệu đã chọn. Chương 6: Kết luận và hướng phát triển Tông kết lại những kết quả đạt được và chưa đạt được sau quá trình nghiên cứu. Nêu ra những hướng nghiên cứu và phat triển trong tương lai.

TONG QUAN TINH HÌNH NGHIÊN CỨU 1. Khảo sát tình trạng tram cảm Theo Mayo Clinic [6] - một tô chức y tế phi lợi nhuận hang đầu của Hoa Kỳ đã định nghĩa, bệnh tâm than (Mental illness) còn được gọi là rối loạn sức khỏe tâm than (Mental health disorders) là những rồi loạn về hoạt động của hệ thông thần kinh và sự liên quan giữa hệ thong này với các chức năng tâm lý, dé cập đến một loạt các tình trạng sức khỏe về tâm thân. Rối loan sức khỏe tâm than là một loại rối loạn ảnh hưởng đến tâm trạng, suy nghĩ và hành vi của con người. Một SỐ vi dụ về các hành vi bao gồm rồi loạn tam thần, rồi loạn lo âu, rỗi loạn ăn uống hoặc hành vi gây nghiện.

Trong các bệnh về tâm lý, tâm than, các dau hiệu và triệu chứng có thẻ khác nhau, tùy thuộc vào tình trạng rối loạn, hoàn cảnh và các yếu tô khác và quan trọng là không phải lúc nào chúng cũng được biểu hiện rõ ràng [7]. Rồi loạn tâm thần (Mental Disorders) là loại bệnh lý liên quan đến tâm trí và hành vi người bệnh, gây ra các triệu chứng và hành vi kì lạ không bình thường [3], tram cam là một loại rối loạn tâm than phô biến. Thuật ngữ “trằm cảm” ( Depression) hay “rồi loạn trầm cam” (Major depressive disorder) là một dạng rồi loạn cảm xúc và cùng chi chung về bệnh tram cảm. Trong nghiên cứu này, thuật ngữ “tram cảm” được chọn sử dung xuyên suốt đẻ tài dé chi rõ về bệnh tram cảm và tập trung vào các khía cạnh liên quan.

Theo nghiên cứu [8] tính đến năm 2019 có khoảng 971 triệu người trên toàn thé giới bị rồi loạn tâm thân. Thống kê của Global Health Data Exchange (GHDx) — một nên tảng trực tuyến do Viện Toàn cau sức khỏe (Institute for Health Metrics and Evaluation - IHME) tạo ra, trên toàn thé giới bệnh rỗi loạn tâm than đang ngày càng tăng, phô biến nhất là tram cảm đứng cao nhất như trong Hình 1.