利用自发语音中高维声学特征自动检测轻度认知障碍
神经元与认知
2024-08-30 v1 声音
音频与语音处理
定量方法
摘要
本研究针对 TAUKADIAL 挑战，重点对轻度认知障碍（MCI）患者与神经典型对照组的语音进行分类。我们进行了三项实验，比较了五种机器学习方法：随机森林、稀疏逻辑回归、k-近邻、稀疏支持向量机和决策树，利用 openSMILE 自动提取的 1076 个声学特征。在实验 1 中，使用整个数据集训练语言无关模型。实验 2 引入了语言检测步骤，从而为每种语言分别进行模型训练。实验 3 在实验 1 的语言无关模型基础上进行了进一步增强，特别关注使用样本外测试数据评估模型的鲁棒性。在所有三项实验中，结果始终倾向于能够处理高维数据的模型，如随机森林和稀疏逻辑回归，以对 MCI 和对照组的语音进行分类。
引用
@article{arxiv.2408.16732,
title = {Automatic detection of Mild Cognitive Impairment using high-dimensional acoustic features in spontaneous speech},
author = {Cong Zhang and Wenxing Guo and Hongsheng Dai},
journal= {arXiv preprint arXiv:2408.16732},
year = {2024}
}