小说选工具使用来自简单短语的非语言语音特征来检测轻度认知障碍和痴呆症

科学领域:

• 神经学 神经学
• 语音语言病理学 语言病理学
• 计算语言学 计算语言学

背景情况:

• 早期发现认知障碍对于有效干预和预防疾病进展至关重要.
• 诊断语音分析提供了一种非侵入性,具有成本效益的方法,用于早期查认知衰退.
• 使用声乐生物标志物区分健康个体,轻度认知障碍 (MCI) 和痴呆症是一个活跃的研究领域.

研究的目的:

• 评估纯声学语音特征在分类痴呆症,轻度认知障碍和健康对照患者中的有效性.
• 开发和验证一种机器学习模型,用于使用语音分析自动检测早期认知恶化.

主要方法:

• 从两个简单的口语短语中提取了声学特征 (非语言特征).
• 分析了150名参与者的语音录音 (195个录音,年龄45-95岁).
• 一个LightGBM机器学习算法被用于三类分类 (健康,MCI,痴呆症).

主要成果:

• 机器学习模型在三类分类中实现了0.81的曲线下的面积 (AUC).
• 该分类的整体准确率为66.7%.
• 声学语音特征在区分认知状态方面表现出有用性.

结论:

• 从声学语音分析中获得的语音生物标志物显示出在诊断早期认知恶化的自动辅助方面具有前途.
• 这种非侵入性查方法可以促进早期识别轻度认知障碍和痴呆症患者.
• 进一步的研究可以完善声乐生物标志物,以提高准确性和临床实施.