自然语言处理应用于自发回忆着名面孔 揭示叶患者的记忆功能障碍 患者

科学领域:

• 神经科学是一个神经科学.
• 认知心理学 认知心理学
• 计算语言学 计算语言学

背景情况:

• 记忆问题是患者显著的并发症.
• 目前的临床记忆评估是耗时的,可能会错过微妙的下降.
• 著名面孔任务 (FF) 之前显示,左叶 (LTLE) 患者的记忆细节比右叶 (RTLE) 和健康对照 (HC) 少.

研究的目的:

• 调整FF任务以进行自发口语回忆分析.
• 评估手动和自然语言处理 (NLP) 方法来评分回忆.
• 用自发言语和半自动化分析,复制LTLE患者群体级记忆差异.

主要方法:

• 一项病例控制研究包括73名成年人 (28名LTLE,18名RTLE,27名HC).
• 参与者描述了著名的面孔 (政治,体育,娱乐,活跃2008-2017年).
• 通过手动评分和NLP与人类和自动生成字典进行回忆分析,并通过Cookie Theft Control Task (CTT) 控制语音输出.

主要成果:

• 使用这两种评分方法,LTLE患者回忆的传记细节明显少于HC和RTLEs (p=0.007).
• 在语音持续时间,总词数或内容词数方面没有发现群体差异.
• 在TLE患者中,FF回忆性能与MOCA得分正相关,由LTLE受试者驱动.

结论:

• 长期LE患者表现出对著名面孔的生物记忆受损,可以通过NLP分析自发回忆来检测.
• 这种记忆缺陷不能归因于语音输出减少.
• 在中,NLP提供了一个客观,敏感和半自动化的方法来识别记忆功能障碍.