从语音中提取基于后部的音声特征来检测多发性硬化症.
概括
这项研究引入了一种使用机器学习的新型语音分析方法,用于检测患者的多发性硬化症 (MS). 这项技术在早期查和疾病监测方面表现有前途.
科学领域:
- 神经学 神经学
- 语音科学 语言科学
- 机器学习 机器学习
背景情况:
- 多发性硬化症 (MS) 是一种慢性中枢神经系统炎症性疾病,影响运动,认知和语言功能.
- 多发性硬化患者的言语变化可能表明执行功能受限,影响生产,理解和叙事结构.
- 多发性硬化症可能会导致失节症,这是一种运动语音障碍,可能会改变语音特征.
研究的目的:
- 开发和评估基于语音的机器学习技术,以区分复发性复发性MS患者与健康对照.
- 调查从深度神经网络声学模型中获得的语音后部估计对MS检测的有用性.
- 探索这种方法在自动多发性硬化查和疾病进展监测方面的潜力.
主要方法:
- 利用机器学习方法分析语音特征,这些特征来自语音后部估计.
- 采用深度神经网络的声学模型来生成后音格.
- 与 x-vector 和 openSMILE "ComParE 函数"属性对比拟的基于 posteriorgram 的特征的性能.
主要成果:
- 基于posteriorgram的特征提取方法在检测多发性硬化症方面表现出有效性.
- 实现的等错率 (EER) 值低至13.3%,曲线下的面积 (AUC) 得分高达0.891.
