将暂停信息集成到语言模型中用于从自发语音检测阿尔茨海默病
摘要
阿尔茨海默病（Alzheimer's disease, AD）是一种表现为认知衰退和记忆力丧失的渐进性神经退行性疾病。早期检测AD对于有效的干预和治疗至关重要。本文提出了一种从自发语音中检测阿尔茨海默病的新方法，將暂停信息纳入语言模型。该方法涉及将暂停信息编码为嵌入向量并集成到基于Transformer的语言模型中，从而使其能够捕捉语音数据的语义特征和时间特征。我们在阿尔茨海默病痴呆通过自发语音识别（Alzheimer's Dementia Recognition through Spontaneous Speech, ADReSS）数据集及其延伸数据集ADReSSo上进行实验，与现有方法进行比较。我们的方法在ADReSSo测试集上实现了83.1%的准确率。结果表明，我们的方法在区分阿尔茨海默病患者和健康个体方面具有有效性，凸显了暂停信息作为阿尔茨海默病检测的有价值指标的潜力。通过利用语音分析作为一种非侵入且成本效益高的阿尔茨海默病检测工具，本研究为早期诊断和改善这一致命疾病的管理做出了贡献。
引用
@article{arxiv.2501.06727,
title = {Integrating Pause Information with Word Embeddings in Language Models for Alzheimer's Disease Detection from Spontaneous Speech},
author = {Yu Pu and Wei-Qiang Zhang},
journal= {arXiv preprint arXiv:2501.06727},
year = {2025}
}
备注
accepted by ICASSP2025. Copyright 2025 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component