融合韵律、嗓音质量与词汇特征自动检测阿尔茨海默病
计算与语言
2020-11-21 v1 声音
音频与语音处理
摘要
阿尔茨海默病（AD）如今是最常见的痴呆形式，其自动检测有助于在早期识别症状，从而采取预防措施。此外，基于语音数据的非侵入式技术对AD自动检测系统的开发至关重要。有鉴于此，本文作为对ADReSS挑战赛的贡献，旨在改进基于自发语音的AD自动检测。为此，使用了108名参与者的录音作为训练集，这些参与者在年龄、性别和AD状况上均衡，以执行两项不同任务：AD/非AD状况分类，以及迷你精神状态检查（MMSE）得分的回归。两项任务均提取了28个基于韵律和嗓音质量的语音特征，以及51个基于词汇和话轮转换信息的转写特征。我们的结果在使用随机森林分类器时分类准确率达87.5%，在使用随机梯度下降线性回归时对所给测试集的RMSE为4.54。这显示了通过语音和词汇特征自动检测阿尔茨海默病的良好前景。
引用
@article{arxiv.2011.09272,
title = {Combining Prosodic, Voice Quality and Lexical Features to Automatically Detect Alzheimer's Disease},
author = {Mireia Farrús and Joan Codina-Filbà},
journal= {arXiv preprint arXiv:2011.09272},
year = {2020}
}