时间协调:通过使用主体不变学习的时间语言标记器改进了轻度认知障碍的检测
Bao Hoang1, Siqi Liang2, Yijiang Pang1
1Michigan State University, East Lansing, MI, USA.
AMIA ... Annual Symposium proceedings. AMIA Symposium
|February 23, 2026
概括
早期发现轻度认知障碍 (MCI) 是至关重要的. 这项研究使用来自对话的语言标记,协调个人说话风格,以提高机器学习模型中MCI检测准确度.
科学领域:
- 神经学 神经学
- 计算语言学 计算语言学
- 人工智能的人工智能
背景情况:
- 轻度认知障碍 (MCI) 代表了早期痴呆的阶段,可以检测到认知和行为变化.
- 早期MCI检测对于及时干预,临床试验丰富和治疗开发至关重要.
- 语言标记为MCI识别提供了一种非侵入性的,具有成本效益的方法.
研究的目的:
- 从对话中分析语言标记,以区分MCI与认知正常 (NL) 个体.
- 调查跨多个对话的时间语言动态的潜力,以提高MCI检测.
- 开发一种方法,以减轻个人说话风格的变化,以改善模型的概括性.
主要方法:
- 从参与者与医疗保健专业人员之间的多轮对话中分析语言标记.
- 开发一种时间协调技术,以跨学科标准化语言特征.
- 机器学习模型的应用以使用协调的时间语言数据来预测MCI.
主要成果:
- 对话中的时间动态揭示了与MCI相关的细粒度语言变化.
- 拟议的时间协调方法有效地减少了语言特征的跨学科变异性.
- 使用协调时间特征的机器学习模型显著提高了MCI预测准确度.
结论:
- 主体不变的协调时间语言特征提高了MCI检测的准确性.
- 这种方法为非侵入性早期检测认知衰退提供了一个有希望的途径.
- 该方法对改善临床试验选择和了解MCI进展有影响.
更多相关视频
08:05Measuring Statistical Learning Across Modalities and Domains in School-Aged Children Via an Online Platform and Neuroimaging Techniques
Published on: June 30, 2020
8.1K
06:48Lexical Decision Task for Studying Written Word Recognition in Adults with and without Dementia or Mild Cognitive Impairment
Published on: June 25, 2019
9.8K
