Jun, 2022

利用声学特征检测认知损伤：超越 Cookie 盗窃图片测试

PDF
TL;DR该研究使用标准化测试中的语音数据，通过使用 OpenSMILE 特征和支持向量机分类器，成功实现了认知障碍的自动检测，并使用 wav2vec 2.0 特征提取技术进一步提高了识别准确度。
standardized testscognitive impairmentacoustic featuresopensmilewav2vec 2.0
发现论文，激发创造
  • 通过特征选择和声学词袋模型鉴别口语语言中的认知衰退

    记忆障碍是老年人功能和日常活动衰退的核心因素。该研究采用自动特征选择和机器学习技术，通过语音分析来诊断认知能力下降和痴呆症患者，取得了高于国际研究水平的分类准确度。

    Feb, 2024

  • 标准认知障碍筛查测试的自动化评估

    该研究通过对 30 名患者的语音转录，对比专家手动评估和自动评估之间的相关性，探讨了半标准化病史采集后进行 SKT 和 CERAD-NB 两个标准化认知测试的效果；结果表明，使用自动化转录可以得到较高的相关性，而使用词汇替换技术可以缓解识别误差，进一步提高与专家评分的相关性。

    Jun, 2022

  • 智能手表衍生的认知相关日常功能缺陷声学标记

    使用基于智能手表的应用程序收集声学特征作为检测日常功能缺陷的客观标记是可行的，通过声学特征可以高达 77.8% 的准确率检测出存在日常功能缺陷的个体。

    Sep, 2023

  • 阿尔茨海默病神经任务评分建模的声学 - 语言特征

    随着医疗技术、预防保健和老年健康的日益重视，全球平均寿命不断增长。因此，开发能够检测和追踪老年人群中与认知功能有关的老化相关疾病的技术至关重要。特别是，自动检测和评估阿尔茨海默病（AD）的研究具有重要性，因为该疾病的流行度以及现有方法的成本。在该研究中，我们使用自然语言处理和机器学习等技术，比较和对比了 10 种线性回归模型在 ADReSS 挑战数据集上对 Mini-Mental 状态检查得分进行预测的性能。通过使用两种方法选择的 54 种最佳特征的子集（1）递归淘汰和（2）相关性得分，我们超越了用于相同任务的最先进的基线。在评分和评估每个模型的每个所选特征子集的统计显着性时，我们发现，对于给定的任务，手工制作的语言特征比声学和学习特征更具有显着性。

    Sep, 2022

  • 以声音对象为生物标志物的早期痴呆筛查方法

    基于声音对象的特征作为声音生物标志物，提出了一种早期认知功能障碍筛查方法。通过使用机器学习模型对包括声音对象的精心构造特征进行分析，可以对语言无关的声音样本进行短时筛查。

    Jan, 2024

  • 基于语用学和预训练特征的跨语言阿尔茨海默氏病检测

    该研究利用 openSmile 工具包和 XLSR-53 提取声学特征，将语音转录成文本后提取语言特征进行 AD 患者检测，结果显示该方法能够通过自发性说话实现自动多语言阿尔茨海默病检测，分类准确率为 69.6%，均方根误差为 4.788。

    Mar, 2023

  • INESC-ID 多模态系统 - ADReSS 2020 挑战赛

    本文利用多模态方法，结合语音和文本特征，提出了自动检测阿尔茨海默病的分类框架，并发现语言特征对于阿尔茨海默病的分类比声学特征更为重要，能够提高分类准确率。

    May, 2020

  • 跨语言认知洞察：提升多模式面试分析

    我们提出了一种多模态模型，能够预测轻度认知障碍和认知得分，通过对 TAUKADIAL 数据集进行评估，提取音频和文本特征，并将其结合成多模态架构以实现强大而广泛的结果。

    Jun, 2024

  • 远程推断使用图片描述在 ALS 患者中的认知分数

    使用语言分析技术检测肌萎缩侧索硬化症（ALS）患者的认知功能，并预测 ECAS 子分数和总分的线性回归模型的可靠性研究。

    Sep, 2023

  • 利用具备自然语言处理能力的娱乐聊天机器人进行老年人认知障碍的自动检测

    提出了一种智能对话系统，用于娱乐老年人并通过聊天对话阶段评估认知能力，并通过机器学习算法检测认知障碍，从而实现自动化的认知障碍检测方法。

    May, 2024