通过调度转移进行模糊,以平衡基于语音的认知评估中的隐私和诊断实用性
Meysam Ahangaran1, Nauman Dawalatabad2, Cody Karjadi3,4
1Department of Medicine, Boston University Chobanian and Avedisian School of Medicine, Boston, Massachusetts, USA.
概括
这项研究开发了一种保护隐私的方法,用于使用音调转移进行基于语音的认知评估. 该框架成功地平衡了语音模糊与准确的认知状态差异化,提供了一个可扩展的解决方案.
科学领域:
- 计算语言学计算语言学
- 神经科学是一个神经科学.
- 生物医学工程 生物医学工程
背景情况:
- 数字语音分析显示了认知状态差异化方面的前景.
- 然而,自动化语音分析引发了与扬声器识别有关的隐私问题.
研究的目的:
- 开发和评估语音模糊的计算框架,保持对认知评估的诊断实用性.
- 评估说话者隐私和认知状态分类准确性之间的权衡.
主要方法:
- 开发了一种使用音调转移的计算框架,以掩盖语音录音.
- 该框架应用于来自Framingham心脏研究 (FHS) 和DementiaBank Delaware (DBD) 公司的语音数据.
- 使用等错率 (EER) 量化扬声器模糊,并使用机器学习模型对认知状态 (正常认知,轻度认知障碍,痴呆症) 进行分类.
主要成果:
- 该框架在区分FHS数据集中的正常认知,轻度认知障碍和痴呆症方面实现了62.2%的准确性 (EER:0.3335).
- 在DBD数据集上,它在区分正常认知和轻度认知障碍方面取得了63.7%的准确性 (EER:0.1796).
- 这些结果是使用模糊语音文件获得的,证明了保存的诊断实用性.
结论:
- 开发的计算框架有效地平衡了基于语音的认知评估中的语音隐私和诊断实用性.
- 调音转移是创建保护隐私的语音标记的可行方法.
- 这种方法为大规模,隐私意识的认知健康监测提供了可扩展的解决方案.
