词语语义和语音学如何影响阿尔茨海默病患者的手写:基于机器学习的分析
Nicole D Cilia1, Claudio De Stefano2, Francesco Fontanella2
1Department of Computer Engineering, University of Enna "Kore", Italy; Institute for Computing and Information Sciences, Radboud University Nijmegen, The Netherlands.
Computers in biology and medicine
|January 5, 2024
概括
使用机器学习的手写分析可以帮助诊断阿尔茨海默病. 手写的动态特征,特别是非正规单词的动态特征,在区分疾病影响方面具有很高的准确性.
科学领域:
- 神经学 神经学
- 计算语言学 计算语言学
- 生物医学工程 生物医学工程
背景情况:
- 诊断神经退行性疾病,如阿尔茨海默氏症 (AD) 提出了挑战.
- 手写分析提供了早期检测的非侵入性方法.
- 机器学习 (ML) 与手写动力学相结合,对阿尔茨海默病诊断有很大的希望.
研究的目的:
- 研究词语语义和语音学对阿尔茨海默病患者手写的影响.
- 评估ML分类器在根据单词特征区分手写模式方面的有效性.
主要方法:
- 从六个任务中收集手写数据,其中包括复制正规单词,非正规单词和非单词.
- 使用了四个已建立的ML分类器和特征选择技术.
- 分析了手写运动的动力学特性.
主要成果:
- 特性选择确定了每个单词类型的独特,高度区分的特征.
- 非正规单词需要更多的特征,但产生了优异的分类性能.
- 最好的分类准确率接近90%,是使用非正规单词的特征来实现的.
结论:
- 单词特征显著影响阿尔茨海默病患者的手写模式.
- 动态手写分析,特别是非正规单词,是AD检测的可行工具.
- 机器学习方法可以有效地利用手写特征来诊断神经退行性疾病.
更多相关视频
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
1.1K
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
