比较自然语言处理技术在自发语音中预测阿尔茨海默病痴呆的效果
机器学习
2023-02-28 v2 计算与语言
声音
音频与语音处理
机器学习
摘要
阿尔茨海默病痴呆（AD）是一种无法治愈、使人衰弱且进行性的神经退行性疾病，会影响认知功能。早期诊断至关重要，因为治疗可以延缓疾病进展，并为确诊者争取宝贵时间。开发分析自发语音的模型最终可能为 AD 的早期诊断提供一种高效的诊断方式。通过自发语音识别阿尔茨海默病痴呆的任务提供了经过声学预处理和平衡的数据集，用于通过自发语音建模对 AD 及相关表型进行分类和预测。我们专门分析所提供的自发语音数据集的文本转录稿，构建并比较了众多模型在 AD 与对照组分类以及简易精神状态检查量表分数预测方面的性能。我们严格训练并评估了支持向量机（SVM）、梯度提升决策树（GBDT）和条件随机场（CRF），以及基于 Transformer 的深度学习模型。我们发现表现最佳的模型是简单的词频-逆文档频率（TF-IDF）向量化器作为 SVM 模型的输入，以及预训练的基于 Transformer 的模型 'DistilBERT' 作为简单线性模型的嵌入层。我们在分类指标上展示了 0.81-0.82 的测试集得分，以及 4.58 的 RMSE。
引用
@article{arxiv.2006.07358,
title = {Comparing Natural Language Processing Techniques for Alzheimer's Dementia Prediction in Spontaneous Speech},
author = {Thomas Searle and Zina Ibrahim and Richard Dobson},
journal= {arXiv preprint arXiv:2006.07358},
year = {2023}
}
备注
Submitted to INTERSPEECH 2020: Alzheimer's Dementia Recognition through Spontaneous Speech The ADReSS Challenge Workshop