用于建模阿尔茨海默症神经学任务评分的声学-语言特征
计算工程、金融与科学
2022-09-14 v1 计算与语言
声音
音频与语音处理
摘要
由于医疗技术进步、预防保健以及日益重视老年健康，全球平均预期寿命正在延长。因此，开发能够检测和追踪老年人群认知功能衰老相关疾病的技术势在必行。特别是，鉴于阿尔茨海默症(AD)的流行程度与现有方法的成本，有关 AD 自动检测与评估的研究至关重要。由于 AD 影响语音声学及词汇，自然语言处理与机器学习为可靠检测 AD 提供了有前景的技术。我们在 ADReSS 挑战数据集上比较了十种线性回归模型预测简易精神状态检查(Mini-Mental Status Exam)分数的性能。我们提取了 13000+ 手工设计与学习得到的特征以刻画语言与声学现象。使用经两种方法筛选的 54 个顶级特征子集：(1) 递归消除与 (2) 相关性分数，我们的性能优于同一任务的 SOTA 基线。在对各模型所选特征子集进行评分并评估统计显著性后，我们发现，对于给定任务，手工设计的语言特征比声学特征与学习特征更具显著性。
引用
@article{arxiv.2209.06085,
title = {Acoustic-Linguistic Features for Modeling Neurological Task Score in Alzheimer's},
author = {Saurav K. Aryal and Howard Prioleau and Legand Burge},
journal= {arXiv preprint arXiv:2209.06085},
year = {2022}
}
备注
The paper has been accepted to Pacific Symposium on Biocomputing \c{opyright} [2022] World Scientific Publishing Co., Singapore, http://psb.stanford.edu/ and is currently being camera-readied