利用预训练表征与任务相关关键词进行阿尔茨海默病检测
音频与语音处理
2023-03-15 v1 机器学习
声音
定量方法
摘要
随着全球人口快速老龄化，阿尔茨海默病（AD）在老年人群中尤为突出，其起病隐匿并导致认知领域（记忆、交流等）逐渐且不可逆的衰退。基于语音的 AD 检测为广泛筛查与及时疾病干预提供了可能。预训练模型的最新进展推动 AD 检测建模从低层特征转向高层表征。本文提出若干高效方法，从高层声学与语言学特征中提取更优的 AD 相关线索。基于这些特征，本文还通过对被试描述与认知任务之间关系的建模，提出了一种新颖的任务导向方法。实验在 ADReSS 数据集上以二分类设置进行，模型在未见测试集上评估。结果与近期文献的对比证明了所提声学、语言学及任务导向方法的效率与优越性能。研究结果亦显示了语义与句法信息的重要性，以及仅音频与任务导向方法在 AD 检测任务中实现自动化与泛化的可行性。
引用
@article{arxiv.2303.08019,
title = {Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection},
author = {Jinchao Li and Kaitao Song and Junan Li and Bo Zheng and Dongsheng Li and Xixin Wu and Xunying Liu and Helen Meng},
journal= {arXiv preprint arXiv:2303.08019},
year = {2023}
}
备注
5 pages, 3 figures, 3 tables