使用SSWTRT基于机器学习的认知衰退检测:分类性能和决策分析分析
Yuji Nozaki1, Chihiro Kamohara2,3, Ryota Abe1
1Department of Informatics, Graduate School of Informatics and Engineering, The University of Electro-Communications, Chofu, Japan.
Frontiers in artificial intelligence
|November 14, 2025
概括
这项研究表明,机器学习可以使用声音象征文字纹理识别测试 (SSWTRT) 来检测认知能力下降. SSWTRT提供了一种快速,易于使用的方法来识别需要进一步认知评估的个人.
科学领域:
- 神经学 神经学
- 认知科学 认知科学
- 机器学习 机器学习
背景情况:
- 早期发现认知能力下降对于管理痴呆症进展至关重要.
- 传统的查工具,如迷你精神状态检查 (MMSE) 是耗时的,需要训练有素的人员.
- 痴呆症与触觉和视觉感知方面的缺陷有关.
研究的目的:
- 评估用于识别认知衰退的声音象征文字纹理识别测试 (SSWTRT).
- 将机器学习应用于SSWTRT响应,用于自动认知状态分类.
- 评估一种快速,自我管理的认知查工具的可行性.
主要方法:
- 233名患有异常性正常压力头症 (iNPH) 的参与者完成了SSWTRT.
- SSWTRT涉及使用日本声音符号词 (SSWs) 来描述从图像中感知到的纹理.
- 机器学习分类器 (SVM,随机森林,KNN) 被训练来预测MMSE分数,使用SSWTRT反应,年龄和教育.
主要成果:
- 一个平衡的支持矢量机 (SVM) 模型实现了中等的分类性能 (准确性,精度,回忆,F1,AUC = 0.72).
- 沙普利添加式解释 (SHAP) 确定了特定的图像纹理 (柔软,粗) 作为关键预测因素.
- 一些反应表明可能与年龄相关的感官衰退干扰,而不仅仅是认知障碍.
结论:
- 对SSWTRT反应的机器学习分析可以适度地识别潜在认知衰退的个体.
- SSWTRT提供了一种非侵入性的,资源高效的选方法.
- 该框架为开发可扩展的,特定于语言的认知查工具提供了基础,尽管需要进一步验证.
