面向阿尔茨海默病诊断的自发语音分析中的多类分类器与单类分类器
声音
2022-03-22 v1 机器学习
音频与语音处理
摘要
大多数医学发展需要识别相对于目标组或对照组而言异常的样本，即它们可能属于新的、以前未见过的类别或不是类别数据。在这种情况下，当没有足够的数据来训练两类分类器时，单类分类成为一种可行的解决方案。另一方面，非线性方法可以提供非常有用的信息。我们项目的目标是通过使用从语音信号中提取的新生物标志物进行自动分析，为阿尔茨海默病的早期诊断和严重程度评估做出贡献。本例中选择的方法是面向自发语音和情绪反应分析的语音生物标志物。在这种方法中，分析了单类分类器和两类分类器。使用关于异常值和分形维数特征的信息提高了系统性能。
引用
@article{arxiv.2203.10837,
title = {Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis},
author = {K. López-de-Ipiña and Marcos Faundez-Zanuy and Jordi Solé-Casals and Fernando Zelarin and Pilar Calvo},
journal= {arXiv preprint arXiv:2203.10837},
year = {2022}
}
备注
10 pages, published in International Conference on NONLINEAR SPEECH PROCESSING, NOLISP 2015 jointly organized with the 25th Italian Workshop on Neural Networks, WIRN 2015, held at May 2015, Vietri sul Mare, Salerno, Italy