基于噪声语音与语言数据区分抑郁症与痴呆的数据驱动方法
计算与语言
2022-10-10 v1 机器学习
摘要
大量研究将人类语音的声学与语言学特征作为痴呆和抑郁症的显著标记。然而，关于区分抑郁症与痴呆的研究很少。共病抑郁在痴呆中十分常见，且这些临床状况有许多重叠症状，但区分抑郁症与痴呆的能力至关重要，因为抑郁症通常可治愈。在本工作中，我们探究聚类方法从人类语音中区分抑郁症与痴呆的能力。我们引入了一个新颖的聚合数据集，其结合了多种状况下的叙述语音数据，即阿尔茨海默病、轻度认知障碍、健康对照和抑郁症。我们比较了线性与非线性聚类方法，表明非线性聚类技术能更好地区分不同的疾病簇。我们的可解释性分析显示，痴呆与抑郁症之间的主要区分症状为声学异常、言语重复性（或循环性）、找词困难、连贯性受损，以及词汇复杂性与丰富度的差异。
引用
@article{arxiv.2210.03303,
title = {Data-driven Approach to Differentiating between Depression and Dementia from Noisy Speech and Language Data},
author = {Malikeh Ehghaghi and Frank Rudzicz and Jekaterina Novikova},
journal= {arXiv preprint arXiv:2210.03303},
year = {2022}
}
备注
W-NUT at COLING 2022