利用音频生物标志物识别痴呆症
音频与语音处理
2020-07-21 v1 人工智能
摘要
痴呆症是一种通常以慢性为特征的综合征，表现为认知功能恶化，尤其在老年人群中，且严重到足以影响日常活动。痴呆症的早期诊断是提供及时救治以缓解影响、有时延缓痴呆进展的关键。已知言语可反映人的认知状态。本工作的目标是利用语音处理与机器学习技术自动识别痴呆阶段，如轻度认知障碍(MCI)或阿尔茨海默病(AD)。为此采用非语言声学参数，使其成为一种与语言无关的方法。我们分析来自 DementiaBank 数据库 Pitt 语料库的医患对话中患者音频片段，以识别最能区分 MCI、AD 与健康(HC)言语的语音参数。我们分析各类声学特征（如频谱、时域、倒谱及其特征级融合与选择）对痴呆阶段识别的贡献。此外，我们比较特征级融合与分数级融合的性能。使用分数级融合达到 82% 准确率，较特征级融合绝对提升 5%。
引用
@article{arxiv.2002.12788,
title = {Identification of Dementia Using Audio Biomarkers},
author = {Rupayan Chakraborty and Meghna Pandharipande and Chitralekha Bhat and Sunil Kumar Kopparapu},
journal= {arXiv preprint arXiv:2002.12788},
year = {2020}
}
备注
5 pages, 3 figures