相关实验视频
Updated: Jun 12, 2025

07:40
Multi-Modal Home Sleep Monitoring in Older Adults
Published on: January 26, 2019
7.6K
一个用于痴呆症监测和诊断的纵向多模式数据集
Dimitris Gkoumas1, Bo Wang2, Adam Tsakalidis1,3
1School of Electronic Engineering and Computer Science, Queen Mary University of London, London, UK.
概括
这项研究引入了一个新的多模式数据集,通过语音和语言分析来跟踪痴呆症的进展. 这种方法提供了一种非侵入性的方法来诊断和监测随时间推移的认知衰退.
科学领域:
- 神经学 神经学
- 计算语言学 计算语言学
- 老年学是一门学科.
背景情况:
- 痴呆症的诊断依赖于昂贵的生物标志物 (MRI) 或不敏感的神经心理测试.
- 语音和语言分析为痴呆症检测提供了一个有希望的,非侵入性的方法.
- 现有的研究往往忽略了多模式通信和痴呆症的纵向变化.
研究的目的:
- 为痴呆症研究引入一个新的,细粒度的,纵向的多模体.
- 从健康对照组和痴呆症患者中捕获自然主义的对话数据.
- 建立分析跨模式纵向语言变化的基线.
主要方法:
- 在自然环境中,在两个阶段 (28 个会议) 收集了一个多式联络体.
- 数据包括口头对话,转录,打字/写字的想法,以及语言之外的信息 (笔笔,键盘).
- 分析了两个队列的不同模式的语言的纵向变化.
主要成果:
- 介绍了详细的数据收集过程和语料库描述.
- 建立了基线指标,用于跟踪健康和痴呆症群体的语言变化.
- 突出了库所能实现的未来研究方向的潜力.
结论:
- 这部小说集为通过多式联络研究痴呆症提供了宝贵的资源.
- 语音和语言的纵向分析为认知状态的变化提供了洞察力.
- 该资源有助于开发先进的痴呆症诊断和监测工具.
更多相关视频
06:32Author Spotlight: Automated Deep Brain Stimulation for Parkinson's Disease - Exploring the Possibilities and Challenges of Home Monitoring
Published on: July 14, 2023
1.2K
09:47Author Spotlight: Advancing Alzheimer's Research – Exploring Early Detection and Multi-Omics Approaches
Published on: December 15, 2023
981