利用信息损失进行基于语言的轻度认知障碍检测
计算与语言
2024-02-06 v1 机器学习
摘要
本文提出了一种利用自然语言处理 (NLP) 技术的深度学习方法，用于区分老年人的轻度认知障碍 (MCI) 和正常认知 (NC) 状态。我们提出了一个框架，用于分析从 I-CONECT 研究项目收集的视频访谈生成的转录文本，该项目是一项旨在通过视频聊天改善认知功能的随机对照试验。我们提出的 NLP 框架由两个基于 Transformer 的模块组成，即句子嵌入 (SE) 和句子交叉注意力 (SCA)。首先，SE 模块捕获每个句子内单词之间的上下文关系。随后，SCA 模块从句子序列中提取时间特征。该特征随后被多层感知机 (MLP) 用于将受试者分类为 MCI 或 NC。为了构建鲁棒的模型，我们提出了一种称为 InfoLoss 的新型损失函数，该函数考虑了通过观察每个句子序列而减少的熵，从而最终提高分类准确率。使用 I-CONECT 数据集对我们综合模型的评估结果表明，我们的框架能够区分 MCI 和 NC，平均曲线下面积为 84.75%。
引用
@article{arxiv.2402.01690,
title = {Linguistic-Based Mild Cognitive Impairment Detection Using Informative Loss},
author = {Ali Pourramezan Fard and Mohammad H. Mahoor and Muath Alsuhaibani and Hiroko H. Dodgec},
journal= {arXiv preprint arXiv:2402.01690},
year = {2024}
}