# Attention-Based Multi-Modal Depression Assessment with DSM-V Diagnostic Criteria

### [論文全文](https://drive.google.com/file/d/1CAH2BBStMa9ou6Xjz5K_Ew58PTVgZot_/view?usp=sharing)

## 論文模型架構
- 訓練框架：Pytorch
- 憂鬱等級：
- 正常
- 輕微
- 中重度

## 資料集（對應資料夾名稱）
- 原始特徵資料：json_data
- 後臺資料庫將 Raw Data 處理完的 特徵.json
- 舊因子青年人：old_questionaire_teens
- 舊因子青年人：old_questionaire_teens_dataset_paper_version
- 第一篇論文版本，Tensorflow 平台
- 舊因子成年人：old_questionaire_mature
- 新因子成年人：new_questionaire

## 實驗
- 舊因子（old_factor）
- 青年人（teens）
- 成年人（mature）
- 新因子（new_factor）
- 成年人（mature）

### 主要程式
- Conda 環境檔：`environment.yml`
- 資料預處理：`preprocess.py`
- 特徵資料 .json -> Pytorch Dataset
- 本檔案已經附帶處理完的資料格式，於上面資料集章節
- 一般機器模型訓練程式：`ML.py`
- 在論文中跟提出模型做對比
- 模型訓練：`train.py `
- 透過大量不同模型嘗試最佳架構和超參數
- 繼承 `nn.Module` 為模型架構
- 參數調整
- 資料集選擇：dataset_version
- NEW_DATASET_BINARY
- NEW_DATASET_TRIPLE
- NEW_DATASET
- OLD_DATASET_MATURE
- OLD_DATASET_TEENS
- OLD_DATASET_HYBIRD
- HYBIRD_DATASET
- OLD_QUESTIONAIRE_TEENS_DATASET_PAPER_VERSION
- 是否用指定模型對資料集進行預測(boolean)：isPredict
- 預測用指定模型位置(string)：predictModel
- 二分類實驗(boolean)：binary_classification
- 三分類實驗(boolean)：three_classification
- 四分類實驗(boolean)：four_classification
- 資料集過採樣(boolean)：oversampling
- 資料集欠採樣(boolean)：undersampling
- 訓練週期：epochs
- 批次大小：batch_size
- 模型學習率：LR
- 模型優化器：optimizerName
- 模型損失函數：loss_fn
- 模型選擇（line 1550+）：model

### 功能程式
- 分割特徵資料：split_huge_json 資料夾
- 舊因子青年人原特徵資料格式勘誤
- 標籤資料轉換程式：teens_label_script 資料夾
- 舊因子青年人原標籤資料 .xlsx 格式轉換成 csv