基于大语言模型提示工程的阿尔茨海默病检测
人机交互
2025-01-03 v1
摘要
鉴于我们社会中老年人口比例不断增长，阿尔茨海默病的及时诊断已成为医疗保健的关键方面。在本文中，我们提出了一种基于语音技术的非侵入性且具有成本效益的检测方法。该方法采用预训练语言模型，并结合提示微调与条件学习等技术，从而提高了检测过程的准确性与效率。为了解决计算资源有限的问题，本研究采用高效的 LORA 微调方法构建分类模型。经过多轮训练与严格的 10 折交叉验证，基于 LLAMA2 模型的提示微调策略展现出 81.31% 的准确率，较使用 BERT 模型的对照组提升了 4.46%。本研究为阿尔茨海默病的早期诊断提供了一种新的技术途径，并为在类似条件下的模型优化与资源利用提供了有价值的见解。预期该方法将在临床实践与应用研究中发挥有益作用，促进更准确高效的阿尔茨海默病筛查与诊断。
引用
@article{arxiv.2501.00861,
title = {Alzheimer's disease detection based on large language model prompt engineering},
author = {Tian Zheng and Xurong Xie and Xiaolan Peng and Hui Chen and Feng Tian},
journal= {arXiv preprint arXiv:2501.00861},
year = {2025}
}