【抑郁检测数据集】: AVEC2013、AVEC2014、AVEC2017（DAIC-WOZ）、AVEC2019（E-DAIC）、EATD、CMDC下载方式

已于 2024-02-26 16:38:31 修改
阅读量2.3w 收藏 172
点赞数 28
分类专栏： 数据库 抑郁检测 情感识别 文章标签： 数据库
于 2021-04-12 11:11:02 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/qq_41967982/article/details/115615945
版权

AVEC 2013 && AVEC 2014：
官网：http://avec2013-db.sspnet.eu/
经常打不开
建议直接给作者发邮件询问Michel.Valstar@imperial.ac.uk

AVEC 2017：
DAIC-WOZ数据库：
官网：https://dcapswoz.ict.usc.edu/
下载方式：
下载打印协议
https://dcapswoz.ict.usc.edu/wwwutil_files/DAICWOZDEP_EULA.pdf（打不开就从官网里打开）
签署后发送到boberg@ict.usc.edu

AVEC 2019：
Extended-DAIC（E-DAIC）数据库：
官网：https://www.ihp-lab.org/resources/
下载方式：
下载打印协议
https://www.ihp-lab.org/downloads/Extended-DAIC-BLANK_EULA.pdf
签署后发送到boberg@ict.usc.edu

EATD
中文抑郁库
官网&下载方式：https://github.com/speechandlanguageprocessing/ICASSP2022-Depression/

CMDC
中文抑郁库
官网：https://github.com/CMDC-corpus/CMDC-Baseline
下载链接：https://drive.google.com/drive/folders/1BnpE-xfQmRbQPWW4wxc_llMPkI2GZ2cy
（需要签署 EULA 文件发送到zoubochao@ustb.edu.cn 获得解压密码）

AVEC2014数据集下载
05-26
AVEC2014数据集下载，AVEC 2014数据集是一个针对音频、视频和音视频情感分析的基准测试集，也涵盖了抑郁症的自动估计。该数据集包含一些任务特定的人机交互场景，被认为是非典型的自然行为反应，并且符合现实世界中可能会遇到的种类。数据集中的音频和视频数据都是通过Webcam和麦克风记录的，并为每个场景提供了有关主观情绪状态的注释。该数据集的目标是使参与者能够进行连续时间、连续值的情感识别，包括3D维度情感：价值、唤起和支配力，以及抑郁量表II上的自我报告。
抑郁症分析数据-数据集
10-28
该数据集涉及抑郁症的分析。该数据是对农村地区居民生活条件的研究。由于在挑战中并未说明所有专栏，因此我们无法理解它们。我们继续删除或忽略它们。 数据介绍 你好 Frankcc在以下链接中发布了原始的数据集：Link Kaggle 该数据集涉及抑郁症的分析。该数据是对农村地区居民生活条件的研究。由于在挑战中并未说明所有专栏，因此我们无法理解它们。我们继续删除或忽略它们。最终功能或专栏如下： 内容范围 调查ID威乐ID 性别 年龄 已婚 人数子女教育水平 总获得了成员（家庭）资产 耐用资产保存资产 的生活费用等开支 传入工资进入自己的农场进入业务 进入的任何业务 传入农业农场开支 劳动初级持久的投资 没有持久investmen 郁闷：[零：不沮丧]或[一个：沮丧]（目标类别的二进制） 主要目的是展示统计分析和一些数据挖掘技术。 数据集有23列或维度，共1432行或对象。 数据来源 原始归因于Frankcc i
DAIC-WOZ Depression Database/DAICWOZ数据集
最新发布
gitblog_06733的博客
04-16 308
DAIC-WOZ Depression Database/DAICWOZ数据集 【下载地址】DAIC-WOZDepressionDatabaseDAICWOZ数据集 DAIC-WOZ抑郁症数据库是一套专为心理疾病诊断设计的临床访谈资料，涵盖焦虑、抑郁和创伤后应激障碍等多种精神困扰。该数据库包含录音、录像及详细问卷答复，特...
depression 沮丧-数据集
03-15
该数据集涉及抑郁症的分析。该数据是对农村地区居民生活条件的研究。 b_depressed.csv
基于ResNet网络+AVEC2014数据集实现抑郁症诊断python源码+数据集+运行说明.zip
12-04
【项目介绍】 基于ResNet网络+AVEC2014数据集实现抑郁症诊断python源码+数据集+运行说明.zip ResNet网络的应用—抑郁症诊断 使用数据集：**AVEC2014** 数据集下载地址 <a href="https://pan.baidu.com/s/1Dt6BhVnRoTaxJ4edk0w7aQ?pwd=AVEC">AVEC2014</a> 提取码：AVEC 预处理： ​ 1.**采样**，AVEC2013每个视频取100帧，保留原始label ​ 2.**人脸对齐裁剪**，使用**MTCNN**工具 ### 文件介绍 ``` preprocess.py 主要用于预处理视频信息，从中提取帧，并在视频帧中提取人脸 函数：generate_label_file() 将运来的label合并为一个csv文件 函数：get_img() 抽取视频帧，每个视频按间隔抽取100-105帧 函数：get_face() 使用MTCNN提取人脸，并分割图片 model.py 模型的网络结构 ``` ``` load_data.py 获取图片存放路径以及将标签与之对应 writer.py 创建Tensorboard记录器，保存训练过程损失 dataset.py 继承torch.utils.Dataset,负责将数据转化为torch.utils.data.DataLoader可以处理的迭代器 train.py 模型训练 validate.py 验证模型 test.py 测试模型的性能，并记录预测分数，保存在testInfo.csv,记录了每张图片的路径，label,预测分数 main.py 模型训练入口文件 ``` ``` img 提取的视频帧文件 log Tensorboard日志文件 model_dict 训练好的模型参数文件 processed 存放预处理完成之后的人脸图片，label文件 AVEC2014 数据集存放位置 ``` ``` 查看训练日志方法： 安装tensorboard库之后，输入命令tensorboard --lofdir log_dir_path,打开命令执行后出现的网址即可 log_dir_path是存放Tensorboard日志文件的文件夹路径 ``` ``` 运行顺序:preprocess.py--->main.py--->test.py ``` 【备注】 1.项目代码均经过功能验证，确保稳定可靠运行。欢迎下载食用体验！ 2.主要针对各个计算机相关专业，包括计算机科学、信息安全、数据科学与大数据技术、人工智能、通信、物联网等领域的在校学生、专业教师、企业员工。 3.项目具有丰富的拓展空间，不仅可作为入门进阶，也可作为毕设、课程设计、大作业、初期项目立项演示等用途。 4.鼓励大家基于此进行二次开发。在使用过程中，如有问题或建议，请及时沟通。 5.期待你能在项目中找到乐趣和灵感，也欢迎你的分享和反馈！
获取AVEC2013数据集
m0_64937212的博客
03-20 152
联系方式2954284976@qq.com。获取方式也可以，AVEC官网进不去.#抑郁症识别#面部表情。
Depression_Dataset：从Kaggle.com探索抑郁数据集
02-12
Depression_Dataset 从Kaggle.com探索抑郁数据集
【抑郁数据集】DAIC-WOZ和E-DAIC（Extended-DAIC）
Nirvana_xian的博客
12-12 9563
（E-DAIC）（DeVault等人，2014）是WOZ-DAIC（Gratch等人，2014）的扩展版本，其中包含半临床访谈，旨在支持对焦虑、抑郁和创伤后应激障碍等心理痛苦状况的诊断。：此文件包含参与者ID ，PHQ8（Kroenke等人，20009）二进制标签（PHQ8分数> = 10），PHQ8分数和参与者性别，并对每个正式训练分割的PHQ8问卷的问题。在清音的情况下，即VUV = 0，人声褶皱没有振动，因此值例如F0，NAQ，QOQ，不应使用H1H2，PSP，MDQ，peakSlope和Rd。
常见抑郁数据集
chaishen10000的专栏
05-19 2694
数据集名称 标注量表 采集场景 数据信息 被试数量 被试特点 Mundt-35(2007)[25] HAMD, QIDS 电话交互语音 118组音频 35 均为抑郁患者 BlackDog(2009)[26] HAMD 访谈 - 60 均为抑郁患者 Yingthaworsuk(2013)[15] BDI-Ⅱ 临床访谈 20组音频 20 重度抑郁和自杀倾向的患者 AVEC201
抑郁检测用文本数据集
有机物的博客
03-05 7848
可用于抑郁检测的数据集
D-vlog 用于抑郁症检测的多模态数据集
zly_Always_be的博客
10-11 3990
整理了AAAI2022 D-vlog: Multimodal Vlog Dataset for Depression Detection 论文的阅读笔记
学生抑郁数据集-可以用于分析学生的心理健康趋势
12-22
关于 Dataset 学生抑郁数据集通常包含旨在分析、理解和预测学生抑郁水平的数据。它可能包括人口统计信息（年龄、性别）、学习成绩（成绩、出勤率）、生活习惯（睡眠模式、锻炼、社交活动）、心理健康史和对标准化抑郁量表的反应等特征。 这些数据集对于心理学、数据科学和教育研究很有价值，可以确定导致学生抑郁的因素并设计早期干预策略。在处理此类敏感信息时，隐私、知情同意和数据匿名化等道德考虑至关重要。 文件结构 格式：CSV 格式 行：每行代表一个学生。 列：每列代表一个特定的特征或属性。 列 ID：每个学生的唯一标识符。 年龄：学生的年龄。 性别： 性别（例如，男性、女性）。 城市：地理区域 CGPA：平均绩点或其他学术成绩。 Sleep Duration（睡眠持续时间）：平均每日睡眠持续时间。 职业： 工作压力： 学业压力： 学习满意度： 工作满意度： 饮食习惯：
抑郁症和心理健康数据集 CSV（825条记录）
01-24
RHMCD-20 数据集，我们注意包含来自广泛来源的信息，包括来自孟加拉国的青少年、大学生、家庭主妇、企业和公司的专业人士以及其他人。这是抑郁症和心理健康数据分析的调查数据。 包含信息： Age：代表参与者的年龄。 Gender：表示参与者的性别。 Occupation：代表参与者的职业。 Days_Indoors ：表示参与者未出门的天数 Growing_Stress：表示参与者的压力与日俱增（是/否）。 Quarantine_Frustration：隔离前两周的挫败感（是/也许/否）。 Changes_Habits：代表饮食习惯和睡眠的重大变化（是/可能/否）。 Mental_Health_History ： 上一代精神障碍的先例（是/否）。 Weight_Change ：突出显示隔离期间体重的变化（是/可能/否） Mood_Swings：代表极端的情绪变化（低/中/高）。 Coping_Struggles：无法应对日常问题或压力（是/也许/否）。 Work_Interest ：表示参与者是否对工作失去兴趣（是/否）。 Social_Weakness ：在与他人互动时传达精神虚弱的感觉（是/否）。
抑郁症专业数据集 帮助检测某人的抑郁状况
11-25
该数据集探讨了心理健康与各种人口、生活方式和工作相关因素之间的关系。它包括性别、年龄、工作压力、工作满意度、睡眠时间、饮食习惯、经济压力、工作时间以及心理健康指标（如抑郁、自杀想法和精神疾病家族史）的信息。该数据集旨在深入了解生活方式和工作条件如何影响心理健康，使其适合探索性数据分析、预测建模和统计研究。潜在的应用包括识别心理健康问题的风险因素、了解工作与生活平衡的影响以及根据生活方式预测心理健康结果。 数据类型： 数字：5列（年龄、工作压力、工作满意度、工作时间、财务压力）。 分类：6 列（性别、睡眠时间、饮食习惯、自杀想法、家族史、抑郁症）。
AI实战-学生抑郁症数据集分析预测实例（含20个源代码+2.68 MB完整的数据集）.zip
01-16
AI实战-学生抑郁症数据集分析预测实例（含20个源代码+2.68 MB完整的数据集） 代码手工整理，无语法错误，可运行。 包括：20个代码，共156.92 KB；数据大小：1个文件共2.68 MB。 使用到的模块： numpy pandas os sklearn.model_selection.train_test_split sklearn.preprocessing.MinMaxScaler sklearn.tree.DecisionTreeClassifier sklearn.model_selection.cross_val_predict sklearn.model_selection.GridSearchCV sklearn.svm.SVC warnings sklearn.linear_model.LogisticRegression matplotlib.pyplot seaborn math sklearn.preprocessing.StandardScaler sklearn.metrics.accuracy_score sklearn.metrics.classification_report sklearn.metrics.roc_auc_score xgboost.XGBClassifier sklearn.feature_selection.mutual_info_classif sklearn.cluster.KMeans sklearn.metrics sklearn.metrics.ConfusionMatrixDisplay sklearn.svm.LinearSVC scipy.stats.chi2_contingency sklearn.decomposition.PCA sklearn.linear_model.LinearRegression scipy.stats.zscore sklearn.ensemble.RandomForestClassifier pickle sklearn.metrics.confusion_matrix sklearn.metrics.roc_curve sklearn.metrics.auc sklearn.metrics.precision_recall_curve sklearn.discriminant_analysis.LinearDiscriminantAnalysis scipy.stats.f_oneway scipy.stats.ttest_ind imblearn.combine.SMOTEENN sklearn.preprocessing.LabelEncoder sklearn.ensemble.GradientBoostingClassifier sklearn.ensemble.AdaBoostClassifier sklearn.metrics.recall_score sklearn.metrics.f1_score sklearn.metrics.precision_score sklearn.preprocessing.OneHotEncoder sklearn.preprocessing.OrdinalEncoder sklearn.ensemble.RandomForestRegressor IPython.core.interactiveshell.InteractiveShell collections.Counter sklearn.metrics.mean_squared_error sklearn.metrics.r2_score sklearn.metrics.mean_absolute_error sklearn.model_selection.learning_curve joblib sklearn.feature_selection.f_classif
基于AVEC2014数据集和Resnet网络实现的抑郁症诊断项目python源码+数据集（高分项目）
11-25
基于AVEC2014数据集和Resnet网络实现的抑郁症诊断项目python源码+数据集（高分项目），个人经导师指导并认可通过的98分大作业设计项目，主要针对计算机相关专业的正在做课程设计、期末大作业的学生和需要项目实战...
avec2013-master_speechsignal_think7wz_zip_avec2013avec2011_
09-30
标题中的"avec2013-master_speechsignal_think7wz_zip_avec2013avec2011_"表明这是一个与语音信号处理相关的项目，可能是一个代码库或者数据集，源自AVEC（Audio-Visual Emotion Challenge）2013年和2011年的活动。...
深度学习基于AVEC2014数据集和Resnet网络实现的抑郁症诊断系统python源码+运行说明+数据集.zip
01-16
深度学习基于AVEC2014数据集和Resnet网络实现的抑郁症诊断系统python源码+运行说明+数据集.zip 项目介绍 ResNet网络的应用—抑郁症诊断 使用数据集：**AVEC2014** 数据集下载地址 <a href="https://pan.baidu....
AVEC数据集的相关研究
01-20
### AVEC 数据集的研究论文及其成果分析 AVEC2014数据集作为情感分析与抑郁症估计的重要资源，已被广泛应用于多个领域。该数据集不仅支持音频和视频的情感分析，也用于抑郁症的自动评估[^1]。 #### 研究方向一：多模态融合技术的发展 一篇发表于EMNLP 2021的经典MSA（Multimodal Sentiment Analysis）论文提出了改进型多层次互信息最大化方法(MMIM)，旨在提升跨模式特征之间的关联度，从而提高情感分类准确性。此研究特别之处在于引入了抑郁症相关数据集来验证模型的有效性，进一步拓展了传统情感计算的应用边界[^2]。 #### 研究方向二：面向特定人群的心理健康监测 有学者专注于构建适合中国国情的情绪障碍预测框架，尝试将中文语料库(SIMS/SIMSv2)融入到现有算法体系之中，期望能够更加精准地反映国内患者群体的真实状况。这类工作对于推动心理健康服务本土化具有重要意义，并有助于早期发现潜在风险个体[^3]。 #### 获取途径说明 值得注意的是，尽管上述研究成果显著，但对于希望深入探索这一领域的研究人员来说，获得高质量的数据样本仍然是至关重要的一步。目前有两种主要渠道可以获得AVEC系列数据集：一是直接联系原始发布机构并提交正式请求；二是参与由社区组织的比赛活动，在比赛中通常会开放访问权限给参赛队伍使用这些珍贵资料[^4]。 ```python # 示例代码展示如何加载和预处理AVEC数据集(假设已下载) import pandas as pd def load_avec_data(file_path): """读取AVEC格式文件""" data = pd.read_csv(file_path) return data data_sample = load_avec_data('path/to/your/avec_dataset.csv') print(data_sample.head()) ```
评论 123
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值