用于连续阿尔茨海默病检测的软加权交叉熵损失
声音
2024-02-20 v1 音频与语音处理
神经元与认知
摘要
阿尔茨海默病是老年人中常见的一种认知障碍。早期且准确的阿尔茨海默病 (AD) 诊断对痴呆症研究进展具有重大影响。目前，研究人员已使用机器学习方法从参与者的语音中检测阿尔茨海默病。然而，当前方法的识别准确率并不令人满意，且大多数方法侧重于使用低维手工特征从音频中提取相关信息。本文提出了一种基于预训练框架 Wav2vec 2.0 (Wav2vec2) 的阿尔茨海默病检测系统。此外，通过将损失函数替换为软加权交叉熵 (Soft-Weighted CrossEntropy) 损失函数，我们在相同的测试数据集上实现了 85.45\% 的识别准确率。
引用
@article{arxiv.2402.11931,
title = {Soft-Weighted CrossEntropy Loss for Continous Alzheimer's Disease Detection},
author = {Xiaohui Zhang and Wenjie Fu and Mangui Liang},
journal= {arXiv preprint arXiv:2402.11931},
year = {2024}
}