通过权重遮蔽消除语音基督徒检测中的混淆效应

深度变换器模型用于检测患者 transcript 中的语言异常，以进行阿尔茨海默病（AD）筛查。虽然针对 AD transcript 微调的预训练神经语言模型（LMs）表现良好，但很少有研究探讨了由这些 transcript 表示的说话者性别的影响。本工作针对 dementia 检测中的性别混淆问题，提出了两种方法：Extended Confounding Filter 和 Dual Filter，这些方法隔离并消除与性别相关的权重。我们在具有认知功能受损患者和健康对照的第一人称叙事 dementia 数据集上对这些方法进行了评估。我们的结果表明，变换器模型倾向于过度拟合训练数据分布。干扰与性别相关的权重会产生去混淆的 dementia 分类器，但以轻微降低 dementia 检测性能为代价。