基于机器学习的分析以识别与预测阿尔茨海默病相关的语音特征
机器学习
2021-10-26 v1 声音
音频与语音处理
摘要
阿尔茨海默病(AD)是一种神经退行性疾病,影响全球近 5000 万人,是全球主要死因之一。据预测,到 2050 年,受该疾病影响的人数将增加一倍以上。因此,技术的不断进步引出一个问题:能否利用技术预测阿尔茨海默病以实现更好且更早的诊断?本文聚焦于这一问题。具体而言,我们训练了机器学习(ML)模型与神经网络,以基于参与者的语音模式进行预测与分类。我们利用 DementiaBank 的 Pitt Corpus(一个包含多种神经退行性疾病受试者访谈转录文本的数据库)计算了若干语言变量。随后我们训练了二分类分类器与多分类分类器,以区分 AD、正常衰老及其他神经退行性疾病。我们还致力于建立特定语音因素与 AD 发病之间的关联。我们按模型绘制了混淆矩阵与特征重要性图,以比较各模型性能。在多分类与二分类任务中,神经网络均优于其他模型,测试准确率分别为 76.44% 与 92.05%。就特征重要性而言,结论是 '%_PRESP'(现在分词)与 '%_3S'(第三人称现在时标记)是分类器预测 AD 时最重要的两个语音特征。
引用
@article{arxiv.2110.13023,
title = {ML-Based Analysis to Identify Speech Features Relevant in Predicting Alzheimer's Disease},
author = {Yash Kumar and Piyush Maheshwari and Shreyansh Joshi and Veeky Baths},
journal= {arXiv preprint arXiv:2110.13023},
year = {2021}
}