抑郁检测概率计算详细分析

🎯 文档概述#

本文档详细分析多模态抑郁检测系统中抑郁概率的计算过程，包括模型训练、推理计算、多模态融合、阈值判断和严重程度评估等完整流程。通过具体实例和数学公式，帮助您理解概率计算的每一步。

🧠 训练阶段：模型学习过程#

1.1 逻辑回归模型训练#

逻辑回归是本项目的核心分类算法，其训练过程如下：

1
pipeline = Pipeline([
2

3
    ('scaler', StandardScaler()),
4

5
    ('selector', SelectKBest(f_classif, k=25)),
6

7
    ('smote', SMOTE(random_state=42, k_neighbors=2)),
8

9
    ('clf', LogisticRegression(
10

11
        penalty='l1',
12

13
        solver='liblinear',
14

15
        class_weight='balanced',
16

17
        random_state=42,
18

19
        max_iter=1000
20

21
    ))
22

23
])
24

25
pipeline.fit(X_train, y_train)

1.2 模型学习原理#

逻辑回归模型通过以下步骤学习特征权重：

线性组合计算：

z = w_0 + w_1 \times \text{特征}_1 + w_2 \times \text{特征}_2 + \dots + w_n \times \text{特征}_n

Sigmoid函数转换：

P(y=1|X) = \frac{1}{1 + e^{-z}}

权重优化：通过最大似然估计优化权重 w_0, w_1, w_2, …, w_n

1.3 关键组件#

特征选择：使用SelectKBest选择最具判别力的特征 - 多模态模型：选择25个特征 - 单模态模型：最多选择20个特征
特征标准化：使用StandardScaler将特征标准化为均值0、标准差1的分布
类别不平衡处理：使用SMOTE算法生成合成样本，平衡抑郁样本（约30%）和正常样本（约70%）的分布

1.4 实例说明#

假设我们有以下特征：

音频特征：基频(f0_mean) = 85Hz，能量(energy) = 0.32
视频特征：微笑强度(AU12) = 0.25，眉毛降低(AU04) = 2.0 训练后的权重可能如下： w_0 = -1.2, w_1 = -0.05, w_2 = -0.8, w_3 = 0.6, w_4 = 0.9 线性组合计算：

z = -1.2 + (-0.05) \times 85 + (-0.8) \times 0.32 + 0.6 \times 0.25 + 0.9 \times 2.0

z = -1.2 - 4.25 - 0.256 + 0.15 + 1.8 = -3.756 Sigmoid转换：

P(y=1|X) = \frac{1}{1 + e^{-(-3.756)}} = \frac{1}{1 + e^{3.756}} \approx \frac{1}{1 + 42.7} \approx 0.023

这表示该样本有2.3%的概率是抑郁。

🔍 推理阶段：概率计算#

2.1 单模态概率计算#

在推理阶段，系统根据输入特征计算抑郁概率：

1
# 音频模型概率计算
2

3
p_a = float(self.models['audio'].predict_proba(X_a)[0][1])
4

5

6

7
# 视频模型概率计算
8

9
p_v = float(self.models['visual'].predict_proba(X_v)[0][1])

2.2 概率计算步骤#

特征准备：从输入数据中提取对应模态的特征向量
特征标准化：使用训练时保存的 scaler 进行标准化
模型预测：调用 predict_proba() 方法获取预测概率
结果提取：[0][1] 表示第一个样本的正类（抑郁）概率

2.3 概率范围#

最小值：0.0（完全不可能抑郁）
最大值：1.0（确定抑郁）
实际意义：表示样本属于抑郁类别的概率

2.4 实例说明#

假设我们有以下输入特征：

音频特征：

1
audio_features = {
2

3
    'aud_f0_mean': 75,
4

5
    'aud_energy': 0.28,
6

7
    'aud_voiced_ratio': 0.6
8

9
}

视频特征：

1
visual_features = {
2

3
    'vis_AU12_r_mean': 0.15,
4

5
    'vis_AU04_r_mean': 2.5,
6

7
    'vis_gaze_angle_x_mean': 0.12
8

9
}

模型预测结果：

音频模型输出：p_a = 0.78（78%概率抑郁）
视频模型输出：p_v = 0.65（65%概率抑郁）

🔄 多模态融合：加权决策融合#

3.1 融合策略#

系统采用加权决策融合策略，结合音频和视频模型的预测结果：

1
# 加权融合：音频权重0.55，视频权重0.45
2

3
proba = p_a * 0.55 + p_v * 0.45

3.2 融合原理#

权重来源：基于实验结果优化得到的最佳权重组合
音频权重更高：0.55（音频）vs 0.45（视频）
原理：音频特征对抑郁检测的贡献更大

3.3 融合优势#

信息互补：音频和视频特征提供不同维度的信息
鲁棒性增强：单个模态质量不佳时仍能获得较好结果
准确性提升：融合结果通常优于单模态预测

3.4 融合示例#

示例1：正常情况#

1
# 音频模型输出概率：p_a = 0.85
2

3
# 视频模型输出概率：p_v = 0.65
4

5
# 融合后概率：0.85 × 0.55 + 0.65 × 0.45 = 0.76（76%概率抑郁）

示例2：单模态质量差#

1
# 音频模型输出概率：p_a = 0.90（高质量音频）
2

3
# 视频模型输出概率：p_v = 0.40（模糊视频，质量差）
4

5
# 融合后概率：0.90 × 0.55 + 0.40 × 0.45 = 0.675（67.5%概率抑郁）
6

7
# 即使视频质量差，系统仍能基于音频特征给出合理判断

示例3：双模态一致#

1
# 音频模型输出概率：p_a = 0.80
2

3
# 视频模型输出概率：p_v = 0.80
4

5
# 融合后概率：0.80 × 0.55 + 0.80 × 0.45 = 0.80（80%概率抑郁）

✅ 阈值判断：最终分类#

4.1 阈值获取#

系统通过以下优先级获取阈值：

1
threshold, th_source = self.get_threshold(mode)
2

3
is_depressed = proba >= threshold

4.2 阈值确定方法#

手动配置阈值：优先使用用户手动设置的阈值
自动校准阈值：基于F2分数优化的阈值（0.05-0.75范围）
默认阈值：音频0.55，视频0.5，多模态0.5

4.3 阈值优化#

阈值通过最大化F2分数进行优化：

1
def _optimal_f2_threshold(probas, y_true, default=0.50):
2

3
    best_th, best_f2 = default, -1.0
4

5
    for th in np.linspace(0.1, 0.9, 41):
6

7
        y_pred = (probas >= th).astype(int)
8

9
        f2 = fbeta_score(y_true, y_pred, beta=2)
10

11
        if f2 > best_f2:
12

13
            best_f2, best_th = f2, th
14

15
    return float(best_th)

4.4 阈值作用#

将连续的概率值转换为二分类结果（抑郁/非抑郁）
平衡召回率和精确率（优先保证高召回率，减少漏诊）

4.5 判断示例#

示例1：高于阈值#

1
# 融合后概率：proba = 0.76
2

3
# 多模态阈值：threshold = 0.5
4

5
# 判断：0.76 >= 0.5 → 判定为抑郁

示例2：低于阈值#

1
# 融合后概率：proba = 0.45
2

3
# 多模态阈值：threshold = 0.5
4

5
# 判断：0.45 < 0.5 → 判定为非抑郁

示例3：接近阈值#

1
# 融合后概率：proba = 0.52
2

3
# 多模态阈值：threshold = 0.5
4

5
# 判断：0.52 >= 0.5 → 判定为抑郁（临界情况）

📈 严重程度评估：PHQ-8分数计算#

5.1 双重评估机制#

系统采用双重机制评估严重程度：

1
# 方法1：回归模型预测（优先）
2

3
predicted_score = float(self.score_models[mode].predict(X_score)[0])
4

5

6

7
# 方法2：概率映射（备用）
8

9
if final_score <= 0:
10

11
    if proba < threshold:
12

13
        final_score = (proba / threshold) * 9.9  # 映射到0~9.9
14

15
    else:
16

17
        ratio = (proba - threshold) / (1.0 - threshold)
18

19
        final_score = 10.0 + ratio * 14.0  # 映射到10~24

5.2 回归模型#

系统训练了Ridge回归模型预测PHQ-8分数：

1
reg_pipeline = Pipeline([
2

3
    ('scaler', StandardScaler()),
4

5
    ('selector', SelectKBest(f_regression, k=25)),
6

7
    ('reg', Ridge(alpha=1.0, random_state=42))
8

9
])

5.3 严重程度分级标准#

根据PHQ-8分数进行严重程度分级：

| 分数范围 | 严重程度 | 颜色标识 |

|---------|---------|--------|

| 0-4分 | 无抑郁倾向 | 绿色 |

| 5-9分 | 轻度抑郁 | 黄色 |

| 10-14分 | 中度抑郁 | 橙色 |

| 15-19分 | 中重度抑郁 | 橙红色 |

| 20-24分 | 重度抑郁 | 红色 |

5.4 分数融合逻辑#

系统实现了智能的分数融合逻辑，确保分类结果与分数保持一致：

1
# 如果分类器判定为抑郁但分数过低，强制提升分数
2

3
if is_depressed and final_score < 10:
4

5
    confidence = (proba - threshold) / (1.0 - threshold)
6

7
    boost = 10.5 + confidence * 5.0
8

9
    final_score = max(final_score, boost)
10

11

12

13
# 如果分类器判定为非抑郁但分数过高，强制压低分数
14

15
if not is_depressed and final_score >= 10:
16

17
    final_score = min(final_score, 9.5)

5.5 分数计算示例#

示例1：使用回归模型#

1
# 回归模型预测分数：predicted_score = 16.5
2

3
# 分类结果：is_depressed = True（抑郁）
4

5
# 最终分数：16.5 → 中重度抑郁

示例2：使用概率映射（低于阈值）#

1
# 融合后概率：proba = 0.4（低于阈值0.5）
2

3
# 计算：final_score = (0.4 / 0.5) × 9.9 = 7.92
4

5
# 最终分数：7.92 → 轻度抑郁

示例3：使用概率映射（高于阈值）#

1
# 融合后概率：proba = 0.75（高于阈值0.5）
2

3
# 计算：ratio = (0.75 - 0.5) / (1.0 - 0.5) = 0.5
4

5
# final_score = 10.0 + 0.5 × 14.0 = 17.0
6

7
# 最终分数：17.0 → 中重度抑郁

示例4：分数融合修正#

1
# 分类结果：is_depressed = True（抑郁）
2

3
# 回归模型预测：final_score = 8.5（低于10）
4

5
# 修正计算：
6

7
# confidence = (0.76 - 0.5) / (1.0 - 0.5) = 0.52
8

9
# boost = 10.5 + 0.52 × 5.0 = 13.1
10

11
# final_score = max(8.5, 13.1) = 13.1
12

13
# 最终分数：13.1 → 中度抑郁（与分类结果一致）

📊 完整流程图#

1
输入数据 → 特征提取 → 特征预处理 → 模型预测 → 多模态融合 → 阈值判断 → 严重程度评估 → 最终结果
2

3
    ↓          ↓            ↓           ↓            ↓            ↓             ↓
4

5
音视频文件   音频特征      标准化     单模态概率      加权融合      抑郁/非抑郁     PHQ-8分数
6

7
            视频特征      特征选择                     0.55/0.45

🔢 示例计算过程#

步骤1：特征提取#

音频特征：aud_f0_mean=85, aud_energy=0.32, aud_voiced_ratio=0.75, ...
视频特征：vis_AU12_r_mean=0.25, vis_pose_Rx_mean=0.15, vis_gaze_angle_x_mean=0.08, ...

步骤2：模型预测#

音频模型：通过逻辑回归计算得到概率 p_a = 0.82
视频模型：通过逻辑回归计算得到概率 p_v = 0.68

步骤3：多模态融合#

\text{proba} = 0.82 \times 0.55 + 0.68 \times 0.45 = 0.451 + 0.306 = 0.757

步骤4：阈值判断#

阈值：threshold = 0.5
判断：0.757 >= 0.5 → 判定为抑郁

步骤5：严重程度评估#

回归模型预测：PHQ-8分数 = 16.5
严重程度：中重度抑郁（橙红色）

步骤6：最终结果#

1
{
2

3
    'mode': 'multimodal',
4

5
    'proba': 0.757,
6

7
    'threshold': 0.5,
8

9
    'is_depressed': True,
10

11
    'phq8_score': 16.5,
12

13
    'severity': '中重度抑郁',
14

15
    'severity_color': '#eb5e34'
16

17
}

💡 技术要点总结#

1. 概率计算基础#

算法核心：逻辑回归 + Sigmoid函数
概率范围：0.0~1.0
输出解释：样本属于抑郁类别的概率

2. 多模态融合优势#

权重优化：基于实验确定的最佳权重组合
信息互补：音频和视频特征相互补充
鲁棒性：支持单模态回退机制

3. 阈值优化策略#

优化目标：最大化F2分数（强调召回率）
阈值范围：0.05~0.75（经过钳位处理）
优先级：手动配置 > 自动校准 > 默认值

4. 严重程度评估#

双重机制：回归模型 + 概率映射
分数范围：0~24分（PHQ-8量表）
分级标准：5级严重程度，颜色编码

5. 系统设计特点#

模块化：清晰的组件划分
灵活性：支持不同模态的输入
可解释性：提供特征贡献度分析
用户友好：直观的可视化结果

📚 相关文件#

3.训练模型.py：模型训练代码
本地测试系统/inference.py：推理引擎实现
本地测试系统/gui_main.py：用户界面

音乐

音乐

抑郁检测概率计算详细分析

抑郁检测概率计算详细分析

🎯 文档概述#

🧠 训练阶段：模型学习过程#

1.1 逻辑回归模型训练#

1.2 模型学习原理#

1.3 关键组件#

1.4 实例说明#

🔍 推理阶段：概率计算#

2.1 单模态概率计算#

2.2 概率计算步骤#

2.3 概率范围#

2.4 实例说明#

🔄 多模态融合：加权决策融合#

3.1 融合策略#

3.2 融合原理#

3.3 融合优势#

3.4 融合示例#

示例1：正常情况#

示例2：单模态质量差#

示例3：双模态一致#

✅ 阈值判断：最终分类#

4.1 阈值获取#

4.2 阈值确定方法#

4.3 阈值优化#

4.4 阈值作用#

4.5 判断示例#

示例1：高于阈值#

示例2：低于阈值#

示例3：接近阈值#

📈 严重程度评估：PHQ-8分数计算#

5.1 双重评估机制#

5.2 回归模型#

5.3 严重程度分级标准#

5.4 分数融合逻辑#

5.5 分数计算示例#

示例1：使用回归模型#

示例2：使用概率映射（低于阈值）#

示例3：使用概率映射（高于阈值）#

示例4：分数融合修正#

📊 完整流程图#

🔢 示例计算过程#

步骤1：特征提取#

步骤2：模型预测#

步骤3：多模态融合#

步骤4：阈值判断#

步骤5：严重程度评估#

步骤6：最终结果#

💡 技术要点总结#

1. 概率计算基础#

2. 多模态融合优势#

3. 阈值优化策略#

4. 严重程度评估#

5. 系统设计特点#

📚 相关文件#

评论区

音乐

文章目录