基于语音识别的阿尔茨海默病自动检测中语言特征与模型组合探索
机器学习
2022-08-09 v2 音频与语音处理
摘要
阿尔茨海默病(AD)的早期诊断对于促进预防性护理和延缓病情进展至关重要。基于语音的自动AD筛查系统为其他临床筛查技术提供了一种非侵入性且更具可扩展性的替代方案。此类专业数据的稀缺导致在开发此类系统时,模型选择与特征学习均存在不确定性。为此,本文研究了在有限数据上对BERT和Roberta预训练文本编码器进行领域微调时,采用特征与模型组合方法以提升鲁棒性,随后将所得嵌入特征输入后端分类器集成,通过多数投票产生最终的AD检测决策。在ADReSS20挑战数据集上的实验表明,在系统开发中采用模型与特征组合可取得一致的性能提升。在由48名老年说话人组成的ADReSS20测试集上,使用人工与ASR语音转写文本分别取得了91.67%和93.75%的SOTA AD检测准确率。
引用
@article{arxiv.2206.13758,
title = {Exploring linguistic feature and model combination for speech recognition based automatic AD detection},
author = {Yi Wang and Tianzi Wang and Zi Ye and Lingwei Meng and Shoukang Hu and Xixin Wu and Xunying Liu and Helen Meng},
journal= {arXiv preprint arXiv:2206.13758},
year = {2022}
}
备注
Accepted by INTERSPEECH 2022