用于阿尔茨海默痴呆严重程度预测的不确定性感知多模态集成
机器学习
2020-11-20 v2 声音
音频与语音处理
定量方法
摘要
神经网络（NN）在医疗等安全关键应用中的可靠性至关重要，而不确定性估计是一种被广泛研究用于凸显神经网络部署中置信度的方法。本工作中，我们提出一种用于预测阿尔茨海默痴呆严重程度的不确定性感知提升多模态集成技术。不确定性在声学、认知与语言特征间的传播产生了一个对数据中异方差具有鲁棒性的集成系统。基于不确定性估计对不同模态加权，我们在基准 ADReSS 数据集（一个主体无关且平衡的数据集）上实验，表明我们的方法优于当前最优（SOTA）方法，同时降低了系统的整体熵。本工作旨在鼓励公平且具感知能力的模型。源代码见 https://github.com/wazeerzulfikar/alzheimers-dementia。
引用
@article{arxiv.2010.01440,
title = {Uncertainty-Aware Multi-Modal Ensembling for Severity Prediction of Alzheimer's Dementia},
author = {Utkarsh Sarawgi and Wazeer Zulfikar and Rishab Khincha and Pattie Maes},
journal= {arXiv preprint arXiv:2010.01440},
year = {2020}
}
备注
To appear at NeurIPS Machine Learning for Health (ML4H) 2020