基于 W2V-BERT-2.0 提升轻度认知障碍检测
音频与语音处理
2025-01-28 v1 计算与语言
声音
摘要
本研究探索了用于检测轻度认知障碍 (MCI) 的多语言音频自监督学习模型，基于 TAUKADIAL 跨语言数据集。虽然基于语音转录的 BERT 模型在检测 MCI 方面有效，但由于缺乏转录和时间信息，存在局限性。为此，本研究直接利用语音语料的特征，结合 W2V-BERT-2.0。我们提出一种可视化方法，用于检测 MCI 分类中essential 模型层，并设计一种考虑 MCI 特征的特定推理逻辑。实验结果表明，方法表现竞争，且提出的推理逻辑对基线显著提升。我们还进行了详细分析，揭示了与说话者偏差相关的特征挑战以及 MCI 分类准确率对数据划分的敏感性，为未来研究提供了宝贵见解。
引用
@article{arxiv.2501.16201,
title = {Enhancing and Exploring Mild Cognitive Impairment Detection with W2V-BERT-2.0},
author = {Yueguan Wang and Tatsunari Matsushima and Soichiro Matsushima and Toshimitsu Sakai},
journal= {arXiv preprint arXiv:2501.16201},
year = {2025}
}
备注
Submitted to ICASSP-SPADE workshop 2025