基于副语言与预训练特征的跨语言阿尔茨海默病检测
计算与语言
2025-01-14 v1 声音
音频与语音处理
摘要
我们介绍了提交至 ICASSP-SPGC-2023 ADReSS-M 挑战赛任务的工作，该任务旨在探究哪些声学特征可跨语言泛化并迁移用于阿尔茨海默病（AD）预测。挑战赛包含两项任务：一是分类 AD 患者与健康个体的语音，二是仅基于语音推断简易精神状态检查（MMSE）分数。难点主要体现在数据集的不匹配上，其训练集为英语而测试集为希腊语。我们使用 openSmile 工具包提取副语言特征，并使用 XLSR-53 提取声学特征。此外，我们将语音转写为文本后提取语言特征。这些特征在我们的方法中用作 AD 检测的指示量。我们的方法在分类任务上取得 69.6% 的准确率，在回归任务上取得 4.788 的均方根误差（RMSE）。结果表明，我们所提方法有望通过自发语音实现自动多语言阿尔茨海默病检测。
引用
@article{arxiv.2303.07650,
title = {Cross-lingual Alzheimer's Disease detection based on paralinguistic and pre-trained features},
author = {Xuchu Chen and Yu Pu and Jinpeng Li and Wei-Qiang Zhang},
journal= {arXiv preprint arXiv:2303.07650},
year = {2025}
}
备注
accepted by ICASSP 2023