成年ADHD查的声学和文本特征分析:使用DIVA采访的数据驱动方法
Shuanglin Li1, Rajesh Nair2, Syed Mohsen Naqvi1
1Intelligent Sensing and Communications Group, School of EngineeringNewcastle University NE1 7RU Newcastle Upon Tyne U.K.
概括
机器学习有效地使用语音和文本分析选成人注意力缺陷多动障碍 (ADHD). 这种具有成本效益的方法有助于早期诊断,特别是在精神病资源有限的地方.
科学领域:
- 神经科学是一个神经科学.
- 人工智能的人工智能
- 临床心理学 临床心理学
背景情况:
- 注意缺陷多动性障碍 (ADHD) 是一种神经发育障碍,经常持续到成年期,由于精神病学资源短缺,导致诊断延迟.
- 传统的使用fMRI或EEG的ADHD诊断方法是昂贵的,需要专门的人员.
- 语音和文本分析为ADHD检测提供了一种经济有效的,非侵入性的替代方案.
研究的目的:
- 研究机器学习模型在使用语音和文本数据检测成年ADHD方面的有效性.
- 开发一种更容易获得和更具成本效益的成年ADHD查工具.
主要方法:
- 从成人多动症患者和使用成人多动症诊断面试 (DIVA) 的对照组收集了音频数据.
- 使用谷歌云语音API将语音数据转换为文本.
- 声学和语言特征被提取并使用支持向量机分类器进行分析.
主要成果:
- 机器学习模型在使用组合声学和文本特征对成年ADHD进行分类时显示出有希望的结果.
- 这项研究强调了语音和文本分析在有效成年ADHD查方面的潜力.
结论:
- 基于机器学习的语音和文本分析,为成年ADHD诊断提供了一种具有变革性和可访问性的方法.
- 这种方法可以显著提高早期检测率和患者的结果,特别是在服务不足的地区.
