利用语音转写文本与机器学习模型检测自闭症谱系障碍
机器学习
2021-10-08 v1 计算与语言
声音
音频与语音处理
摘要
自闭症谱系障碍(ASD)可被定义为一种影响儿童与他人互动、沟通和社交的神经发育障碍。该障碍可表现出广泛的症状谱,其影响与严重程度各异。虽然 ASD 尚无永久治愈方法,但早期检测与主动治疗可显著改善许多儿童的生活。当前准确诊断 ASD 的方法具有侵入性、耗时且繁琐。它们也可能涉及包括儿科医生、言语病理学家、心理学家和精神科医生在内的多名临床医生的主观判断。新技术正迅速涌现,包括利用患者语音、面部、视网膜和脑 MRI 图像的计算机视觉的机器学习模型,以准确及时地检测该障碍。我们的研究聚焦于计算语言学和机器学习,使用全球最大口语数据库 TalkBank 的语音数据。我们使用 TalkBank 中 ASD 与典型发育(TD)儿童的资料来开发机器学习模型以准确预测 ASD。我们从 TalkBank 中两个特定数据集使用了超过 50 个特征,采用五种不同分类器运行实验。逻辑回归与随机森林模型被发现对这两个主要数据集各自最有效,准确率为 0.75。这些实验证实,尽管在提升准确率方面存在显著空间,机器学习模型可可靠预测儿童 ASD 状态以辅助有效诊断。
引用
@article{arxiv.2110.03281,
title = {Detecting Autism Spectrum Disorders with Machine Learning Models Using Speech Transcripts},
author = {Vikram Ramesh and Rida Assaf},
journal= {arXiv preprint arXiv:2110.03281},
year = {2021}
}