通过饼干盗窃进行认知评估
机器学习
2025-06-10 v1 人工智能
声音
音频与语音处理
摘要
已developed多种机器学习算法用于从自发语音中预测阿尔弗雷德病及相关痴呆（ADRD）。然而，这些算法尚未被翻译用于预测更广泛的认知障碍（CI），而 CI 有时是ADRD的前驱和风险因素。本文评估了最初为ADRD预测而提出的几种基于语音的开源方法，以及来自多模态情感分析的方法，用于从患者音频记录中预测CI。结果表明，多模态方法在CI预测中优于单模态方法，声学方法优于语言学方法。具体而言，与BERT基于语言的特征和可解释语言特征相比，与情感和韵律相关的可解释声学特征表现更佳。本研究开发的所有代码均可在 https://github.com/JTColonel/catch 上获取。
引用
@article{arxiv.2506.06603,
title = {CAtCh: Cognitive Assessment through Cookie Thief},
author = {Joseph T Colonel and Carolyn Hagler and Guiselle Wismer and Laura Curtis and Jacqueline Becker and Juan Wisnivesky and Alex Federman and Gaurav Pandey},
journal= {arXiv preprint arXiv:2506.06603},
year = {2025}
}