一种基于对话中患者语音分析的痴呆检测方法
音频与语音处理
2018-11-27 v1 机器学习
声音
摘要
我们提出了一种基于自然环境下录制的访谈所构成的自发口语对话特征来自动检测阿尔茨海默型痴呆的方法。所提出的方法采用加性逻辑回归（一种机器学习提升方法）对从对话交互中提取的无内容特征进行建模，以构建预测模型。模型训练数据包括21段阿尔茨海默病患者与访谈者的对话，以及17段其他健康状况患者与访谈者的对话。分析的特征包括语速、话轮转换模式及其他语音参数。尽管仅依赖无内容特征，我们的方法获得了86.5%的总体准确率，该结果与采用更复杂词汇、句法和语义特征的state-of-the-art方法相当。虽然仍需进一步研究，但我们仅使用可从自发对话中轻松提取的特征便获得有前景结果的事实，表明有可能设计可大规模使用的非侵入式低成本心理健康监测工具。
引用
@article{arxiv.1811.09919,
title = {A Method for Analysis of Patient Speech in Dialogue for Dementia Detection},
author = {Saturnino Luz and Sofia de la Fuente and Pierre Albert},
journal= {arXiv preprint arXiv:1811.09919},
year = {2018}
}
备注
8 pages, Resources and ProcessIng of linguistic, paralinguistic and extra-linguistic Data from people with various forms of cognitive impairment, LREC 2018