用于检测认知障碍的口语生物标志物
人工智能
2017-10-23 v1 计算与语言
神经元与认知
摘要
在这项研究中，我们开发了一个自动化系统，该系统从弗雷明汉心脏研究中92名受试者的神经心理学检查音频记录中评估语音和语言特征。总共使用了265个特征，通过弹性网络正则化的二项逻辑回归模型对认知障碍的存在进行分类，并选择最具预测性的特征。我们将性能与来自更大研究队列中6258名受试者的人口统计学模型（AUC为0.79）进行了比较，发现一个结合了音频和文本特征的系统表现最佳（AUC为0.92），真阳性率为29%（假阳性率为0%），且模型拟合良好（Hosmer-Lemeshow检验 > 0.05）。我们还发现，音高和抖动降低、语音片段变短以及以问句形式回答与认知障碍呈正相关。
引用
@article{arxiv.1710.07551,
title = {Spoken Language Biomarkers for Detecting Cognitive Impairment},
author = {Tuka Alhanai and Rhoda Au and James Glass},
journal= {arXiv preprint arXiv:1710.07551},
year = {2017}
}