使用声音对象作为语音生物标志物的早期痴呆筛查方法
声音
2024-02-05 v1 机器学习
音频与语音处理
定量方法
摘要
引言：我们提出了一种使用基于声音对象的特征作为语音生物标志物的早期痴呆筛查方法。方法：用于机器学习模型的最终数据集包含266个观测值，分布为186名健康个体、46名确诊阿尔茨海默病患者和34名轻度认知障碍（MCI）患者。该方法基于受试者发出的持续元音/a/的六秒录音。本研究的主要原创贡献在于使用了基于声音对象的精心设计的特征。这种方法首先能够比标准频谱更准确地表示声音频谱，然后构建包含受试者声音控制相关信息的可解释特征。结果：区分健康受试者与MCI患者的ROC AUC为0.85，准确率为0.76。区分健康受试者与MCI或阿尔茨海默病患者的ROC AUC为0.84，准确率为0.77。结论：使用基于声音对象的特征即使在非常短的语言无关语音样本录音上也能实现早期痴呆筛查。
引用
@article{arxiv.2402.00897,
title = {Screening method for early dementia using sound objects as voice biomarkers},
author = {Adam Pluta and Zbigniew Pioch and Jędrzej Kardach and Piotr Zioło and Tomasz Kręcicki and Elżbieta Trypka},
journal= {arXiv preprint arXiv:2402.00897},
year = {2024}
}