通过自动化自然语言处理分析的词法和语法缺陷:多发性硬化症的新监测工具
Martin Šubert1, Michal Novotný1, Tereza Tykalová1
1Department of Circuit Theory, Faculty of Electrical Engineering, Czech Technical University in Prague, Prague, Czech Republic.
Therapeutic advances in neurological disorders
|June 29, 2023
概括
本研究引入了一种自动化方法,通过分析自发言语来检测多发性硬化症 (MS) 患者的语言障碍. 研究结果表明,这种方法可以作为MS认知衰退的有价值生物标志物.
科学领域:
- 神经语言学是一种神经语言学.
- 计算语言学计算语言学
- 发现生物标志物的发现.
背景情况:
- 多发性硬化症 (MS) 患者自发性言语中的高级语言功能尚未得到充分理解.
- 以前的研究还没有完全探索MS的语言变化.
研究的目的:
- 开发和验证一种完全自动化的方法,以使用语言特征来区分MS患者与健康对照.
- 确定与MS相关的特定词汇和语法障碍.
主要方法:
- 利用自动语音识别和自然语言处理来分析120名多发性硬化患者和120名健康对照者的自发言语.
- 提取了八个词汇和语法特征用于自动语言分析.
- 将自动化功能注释与手动注释进行比较.
主要成果:
- 自动化分析成功地将多发性硬化患者与控制组区分开来,AUC为0.70.
- 多发性硬化患者表现出词汇变化 (增加内容词,减少功能词,动词-名词不平衡) 和语法变化 (发音更短,坐标句更少).
- 较短的发言长度与较低的符号数字模式测试成绩相关.
结论:
- 自动化话语分析提供了一个有希望的,具有成本效益的基于语言的生物标志物,用于MS的认知衰退.
- 这种方法在未来的MS临床试验中具有潜在的应用.
- 自动化方法与手动语言分析具有很高的一致性.
更多相关视频
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
9.2K
12:55Multimodal Protocol for Assessing Metacognition and Self-Regulation in Adults with Learning Difficulties
Published on: September 27, 2020
8.5K
