基于状态空间模型的神经心理测试认知衰退识别
机器学习
2025-07-15 v1 人工智能
摘要
早期检测痴呆症对于及时医学干预和改善患者预后至关重要。神经心理测试广泛用于认知评估，但传统上依赖手动评分。自动痴呆分类(ADC)系统旨在直接从此类测试的语音记录中推断认知衰退。我们提出Demenba，一种基于状态空间模型的新型ADC框架，其在序列长度上内存和计算需求呈线性增长。在超过1000小时的心理评估数据上训练（数据来自Framingham Heart Study受试者，其中部分受试者通过仲裁审查确诊为痴呆），该方法在细粒度痴呆分类方面比先前方法提高了21%，同时使用更少的参数。我们进一步分析了其规模行为，证明该模型在与大型语言模型融合后可获得额外的改进，为更透明且可扩展的痴呆评估工具铺平了道路。代码：https://anonymous.4open.science/r/Demenba-0861
引用
@article{arxiv.2507.10311,
title = {Recognizing Dementia from Neuropsychological Tests with State Space Models},
author = {Liming Wang and Saurabhchand Bhati and Cody Karjadi and Rhoda Au and James Glass},
journal= {arXiv preprint arXiv:2507.10311},
year = {2025}
}