面向痴呆检测的时间感知迭代语音模型
声音
2025-10-02 v1 人工智能
音频与语音处理
摘要
深度学习系统在处理长序列时常常难以为力，计算复杂度往往成为瓶颈。当前用于自动化痴呆检测的语音方法常依赖静态、时序无关的特征或聚合后的语言内容，缺乏灵活性来建模语音生产中固有的细微、逐渐恶化的模式。这些方法往往错失那些对认知功能衰退至关重要的动态时序模式。本文引入 TAI-Speech，一个时序感知迭代框架，动态建模自发语音以实现痴呆检测。本方法的灵活性通过两种关键创新得以体现：1) 受光流启发的迭代细化：将语谱图视为顺序帧，此组件使用卷积 GRU 捕捉语音特征在帧与帧之间细微的演变。2) 基于交叉注意力的韵律对齐：此组件动态地将谱系特征与韵律模式（如音高和停顿）对齐，以构建更丰富的语音生产缺陷表征，关联至功能衰退 (IADL)。TAI-Speech 对每个语音单元的时序演变进行自适应建模，增强了对认知标记的检测。在 DementiaBank 数据集上的实验结果表明，TAI-Speech 实现了 0.839 的强大 AUC 和 80.6% 的准确率，超越了不依赖语音识别的文本基线方法。我们的工作为自动化认知评估提供了更灵活且稳健的解决方案，直接作用于原始音频的动态特性。
引用
@article{arxiv.2510.00030,
title = {Temporal-Aware Iterative Speech Model for Dementia Detection},
author = {Chukwuemeka Ugwu and Oluwafemi Oyeleke},
journal= {arXiv preprint arXiv:2510.00030},
year = {2025}
}