使用平行语言特征预测记忆分数

科学领域:

• 神经学 神经学
• 计算语言学 计算语言学
• 老年学是指老年学的学科.

背景情况:

• 短期记忆力差是痴呆风险的早期指标.
• 现有的语音分析方法很难将早期痴呆与正常衰老区分开来,并预测痴呆风险.
• LOGOS 情节性记忆测试是通过电话评估记忆功能的可行平台.

研究的目的:

• 开发和验证一种使用语音双语特征来预测痴呆风险的自动化方法.
• 评估语音特征的能力,以区分具有强和弱短期记忆能力的个体.
• 评估这种方法在多个数据集和特征选择技术中的有效性.

主要方法:

• 从接受LOGOS情节性记忆测试的个体的音频录音中提取 paralinguistic 的特征.
• 应用各种特征选择方法来识别最具歧视性的语音特征.
• 使用支持矢量机 (SVM) 分类器来根据提取的特征预测短期内存性能.

主要成果:

• 性能最好的模型,SVM分类器,在预测每个音频记录的短期内存性能时,达到84%的准确性.
• 双语语音功能有效地区分了短期记忆力强和较差的个体.
• 该方法在多个数据集中显示出稳定性.

结论:

• 在LOGOS情节性记忆测试期间,语音的自动分析可以有效地估计痴呆症风险.
• 这种非侵入性方法对于老年人早期痴呆风险评估具有临床意义.
• 基于语音的痴呆风险预测为早期检测和干预提供了一个有希望的途径.