基于门控卷积神经网络从音频数据中检测阿尔茨海默病
音频与语音处理
2018-04-02 v1 声音
摘要
我们提出了一种使用门控卷积神经网络（GCNN）从语音数据中自动检测阿尔茨海默病的方法。该 GCNN 可以用相对较少的数据量进行训练，并能捕获音频副语言特征中的时间信息。由于它不利用任何语言特征，因此可以轻松应用于任何语言。我们使用 Pitt 语料库评估了该方法。该方法达到了 73.6% 的准确率，比传统的序列最小优化（SMO）高出 7.6 个百分点。
引用
@article{arxiv.1803.11344,
title = {Detecting Alzheimer's Disease Using Gated Convolutional Neural Network from Audio Data},
author = {Tifani Warnita and Nakamasa Inoue and Koichi Shinoda},
journal= {arXiv preprint arXiv:1803.11344},
year = {2018}
}
备注
5 pages, 3 figures, submitted to INTERSPEECH 2018