自动选择口语生物标志物用于痴呆症检测
Xiaoquan Ke1, Man Wai Mak1, Helen M Meng2
1Department of Electronic and Information Engineering, The Hong Kong Polytechnic University, Hong Kong Special Administrative Region.
概括
这项研究引入了一种新的双失学排名 (DDR) 方法,用于选择用于痴呆症检测的关键口语特征. 该方法有效地识别了关键的生物标志物,提高了使用更少特征的诊断准确性.
科学领域:
- 计算语言学计算语言学
- 医学中的人工智能
- 生物医学信号处理
背景情况:
- 痴呆症的检测依赖于识别认知功能的微妙变化.
- 口语分析为早期痴呆症查提供了一种非侵入性方法.
- 有效的特征选择对于从语言中准确有效地检测痴呆症至关重要.
研究的目的:
- 开发和评估一种新的特征选择 (FS) 方法,用于识别用于痴呆症检测的歧视性口语特征.
- 为了减少语音衍生特征的维度,同时保持或提高分类性能.
- 引入双失业排名 (DDR) 方法来选择最佳的语音生物标志物.
主要方法:
- 采用了两步特征选择方法,从预先选的过方法开始.
- 使用双网架构开发了一种新的特征排名 (FR) 方法 - - 双脱落排名 (DDR).
- DDR方法涉及一个"运营商"网络,该网络在"选择器"网络的特征上接受训练,该网络通过自动规范化进行优化.
主要成果:
- 拟议的DDR方法显著减少了特征维度.
- 选定特征的小子集实现了与完整特征集相比或优于完整特征集的性能.
- 该方法有效地识别了用于痴呆症检测的歧视性口语生物标志物.
结论:
- 双失学排名 (DDR) 方法是使用口语检测痴呆症的特征选择的有效方法.
- 这种技术提供了一种计算效率高的方法来识别关键的语音生物标志物.
- 这些发现表明了改进非侵入性痴呆症查工具的潜力.
