智能手表衍生的声学标记用于认知相关日常功能缺陷
音频与语音处理
2023-09-13 v1 机器学习
声音
摘要
检测由认知障碍引起的日常功能细微缺陷对于神经退行性疾病特别是阿尔茨海默病的早期检测十分重要。然而，当前日常功能评估标准基于定性、主观的评分。语音已被证明可为认知障碍提供良好的客观标记，但其与认知相关日常功能的关联仍未被研究。在本研究中，我们展示了使用基于智能手表的应用收集声学特征作为检测日常功能缺陷客观标记的可行性。我们在认知任务与日常对话（作为可能的应用场景）执行期间，从 54 名老年人收集了语音数据，以及一项日常功能测量。使用声学特征的机器学习模型能以最高 77.8% 的准确率检测出具有日常功能缺陷的个体，高于标准神经心理学测试的 68.5% 准确率。我们还识别出对两类语音数据（认知任务与日常对话）中日常功能缺陷具有稳健区分能力的共同声学特征。我们的结果表明，从不同类语音数据提取的共同声学特征可用作日常功能缺陷的标记。
引用
@article{arxiv.2309.05777,
title = {Smartwatch-derived Acoustic Markers for Deficits in Cognitively Relevant Everyday Functioning},
author = {Yasunori Yamada and Kaoru Shinkawa and Masatomo Kobayashi and Miyuki Nemoto and Miho Ota and Kiyotaka Nemoto and Tetsuaki Arai},
journal= {arXiv preprint arXiv:2309.05777},
year = {2023}
}