利用符号失配揭示嗓音滥用
机器学习
2016-08-09 v1
摘要
嗓音障碍影响着约1400万处于工作年龄的美国人和全球范围内更多的人。我们首次基于放置在颈部的加速度计长期动态采集的数据，对嗓音滥用进行了大规模研究。我们探索了一种无监督数据挖掘方法，以揭示关于嗓音滥用的潜在信息。我们将来自22名受试者超过253天的数据分割成一亿多个单独的声门脉冲（声带闭合），将片段聚类为符号，并利用符号失配来揭示患者与匹配对照组之间，以及患者治疗前后的差异。我们的结果显示，患者与对照组之间，以及部分患者治疗前后存在显著的行为差异。我们提出的方法为辅助诊断行为性嗓音障碍提供了客观基础，并朝着更基于数据驱动理解嗓音治疗影响迈出了第一步。
引用
@article{arxiv.1608.02301,
title = {Uncovering Voice Misuse Using Symbolic Mismatch},
author = {Marzyeh Ghassemi and Zeeshan Syed and Daryush D. Mehta and Jarrad H. Van Stan and Robert E. Hillman and John V. Guttag},
journal= {arXiv preprint arXiv:1608.02301},
year = {2016}
}
备注
Presented at 2016 Machine Learning and Healthcare Conference (MLHC 2016), Los Angeles, CA