一种基于多模态特征嵌入的口语诊断阿尔茨海默病方法
机器学习
2019-10-02 v1 计算与语言
音频与语音处理
机器学习
摘要
引言：阿尔茨海默病是一种痴呆症，早期诊断对治疗质量起着重要作用。在阿尔茨海默病诊断的新研究中，有许多从声学、句法或两者结合的角度分析语音流。执行这些分析最常用的工具通常包括机器学习技术。目的：设计一种基于机器学习的自动诊断系统将有助于早期检测过程。此外，使用非侵入性数据的系统更受青睐。方法：我们使用基于口语的分类系统。我们采用三种（统计与神经）方法将口语音频信号分类为痴呆与对照两类。结果：本工作使用 N-gram、i-vector 和 x-vector 三种方法在口语音频信号上设计了多模态特征嵌入。该系统在 Pitt Corpus 痴呆库的 cookie 图片描述任务上进行评估，准确率为 83.6%。
引用
@article{arxiv.1910.00330,
title = {A Multi-Modal Feature Embedding Approach to Diagnose Alzheimer Disease from Spoken Language},
author = {S. Soroush Haj Zargarbashi and Bagher Babaali},
journal= {arXiv preprint arXiv:1910.00330},
year = {2019}
}
备注
14 pages, 4 figures