利用复合跳字模型学习预测轻度认知障碍的语言生物标志物
计算与语言
2015-12-11 v2 人工智能
摘要
预测轻度认知障碍（MCI）目前是一项挑战，因为现有的诊断标准依赖于神经心理学检查。在MCI患者的言语发声上训练的自动机器学习（ML）模型可辅助诊断。利用跳字（skip-gram）特征的组合，我们的模型学习了若干语言生物标志物，以区分来自DementiaBank语言转录临床数据集的19名MCI患者与19名健康对照个体。结果表明，具有复合跳字模型的模型具有更好的AUC，并有助于在小样本MCI数据上的ML预测。
引用
@article{arxiv.1511.02436,
title = {Learning Linguistic Biomarkers for Predicting Mild Cognitive Impairment using Compound Skip-grams},
author = {Sylvester Olubolu Orimaye and Kah Yee Tai and Jojo Sze-Meng Wong and Chee Piau Wong},
journal= {arXiv preprint arXiv:1511.02436},
year = {2015}
}
备注
Accepted and presented at the 2015 NIPS Workshop on Machine Learning in Healthcare (MLHC), Montreal, Canada