基于神经网络算法的塞浦路斯希腊语儿童发育性语言障碍检测
计算与语言
2025-02-19 v2 机器学习
摘要
患有发育性语言障碍（DLD）的儿童在习得各种语言结构方面存在困难。早期识别与干预对于预防影响儿童学业、社交和情感发展的长期负面结果至关重要。本研究旨在利用人工智能（具体而言为一种神经网络机器学习算法）开发一种自动识别 DLD 的方法。该方案首次应用于塞浦路斯希腊语 DLD 儿童群体。神经网络模型使用从 15 名 DLD 儿童和 15 名年龄在 7;10 至 10;4 的健康对照者中引出的感知与生产数据进行训练。采用 k-fold 技术对算法进行交叉验证。使用准确率、精确率、召回率、F1 分数和 ROC/AUC 曲线等指标评估模型性能，以衡量其在未见数据集上做出准确预测的能力。结果表明所有指标均呈现较高的分类值，说明该神经模型在分类 DLD 儿童方面具有高准确性。此外，变量重要性分析显示，相较于感知技能，儿童的语言产出技能对模型性能的影响更为显著。机器学习范式能有效区分 DLD 儿童与典型发育（TD）儿童，并有望改进临床评估、促进该障碍更早且更高效的检测。
引用
@article{arxiv.2311.15054,
title = {Detection of developmental language disorder in Cypriot Greek children using a neural network algorithm},
author = {Georgios P. Georgiou and Elena Theodorou},
journal= {arXiv preprint arXiv:2311.15054},
year = {2025}
}
备注
15 pages, 3 figures, journal article