EMNLPOct, 2023

用于监测痴呆症的数字语言连贯性标记器

PDF
TL;DR使用自发语言作为适当的数字标记，对诊断和监测痴呆症进行非侵入性方法已成为一种新兴、有前景的方法。本文提出了以捕捉语言连贯性作为一种经济实惠、人类可解读的数字标记，用于监测患有痴呆症的个体的认知变化的方法，并介绍了一项学习短传录叙述中话语的时间逻辑一致性的新任务，并研究了一系列神经方法。通过比较痴呆症患者和健康对照组的语言连贯性模式，并针对三个临床生物标志物进行纵向评估，以调查我们提出的数字连贯性标记的可靠性。连贯性标记在轻度认知障碍、阿尔茨海默病和健康对照组之间表现出显著差异。此外，我们的分析显示连贯性标记与临床生物标志物具有很高的关联性，并具有适用于其他相关疾病的潜力。
发现论文，激发创造
  • 将 NLP 任务改写以捕捉患有痴呆症人群中语言障碍的纵向表现

    通过自动学习语言模型和强化自然语言处理任务，我们构建了数字化语言标记，可以测量沟通质量和各种语言障碍的强度，并揭示了与病情进展相关的逐渐语言损害的有用见解。

    Oct, 2023

  • 阿尔茨海默病早期诊断的语义连贯性标记

    本文研究了如何使用语言模型通过困惑度指标对语言进行分析并区分精神障碍和健康受试者。结果表明，困惑度可以是一种有价值的分析指标，可潜在应用于支持精神障碍症状的早期诊断。

    Feb, 2023

  • 人工智能、语音和语言处理方法在阿尔茨海默病监测中的应用：一项系统性综述

    通过对 2000-2019 年关于使用人工智能、语音和语言处理来预测老年痴呆症认知下降的研究进行系统回顾，总结出近 51 项相关研究的详细信息、研究过程及其局限，并提出解决策略。虽然这 51 项研究结果令人惊喜，但仍存在许多问题，如缺乏标准化、结果有限的可比性以及研究目标与临床应用之间的脱节，需要进一步深入研究来解决这些问题。

    Oct, 2020

  • 自然语言处理技术在自发言语中预测阿尔茨海默病方面的比较

    该研究使用 Spontaneous Speech 数据集文本转录，使用多种模型对 AD 和正常人的分类和预测进行训练和评估。结果表明，使用 TF-IDF 向量化器作为输入的 SVM 模型和使用 ' DistilBERT ' 的预训练模型作为简单线性模型的嵌入层的模型表现最佳，在分类指标上展示了测试集得分为 0.81-0.82 和 RMSE 为 4.58 的结果。

    Jun, 2020

  • 自发言语下的多语种阿尔茨海默病痴呆识别：一个信号处理大挑战

    该研究利用信号处理和机器学习方法基于自然语言数据构建预测模型，旨在探究多语言环境下应用于阿尔茨海默病检测的声学特征表达方法，其基准系统在语音阿尔茨海默病检测方面准确率达到 73.91%、在认知分数预测方面根均方误差为 4.95。

    Jan, 2023

  • 运用预训练语言模型，结合语言复杂度及（不）流利特征来检测阿尔茨海默病患者的自发言语

    通过将语言复杂度和（不）流畅特征与预训练语言模型相结合，成功地在 2021 年 ADReSSo（阿尔茨海默病性痴呆症通过自发性言语识别）挑战赛的阿尔茨海默病检测任务中取得了 83.1% 的准确率，这是基准模型的 4.23% 的提高，并且在交叉验证和测试数据上表现出了很好的鲁棒性。

    Jun, 2021

  • CoheSentia：生成文本中增量与整体一致性评估的新型基准

    自然语言处理中自动生成文本的一致性评估和分析的新基准，旨在发展更可靠的一致性评估方法。

    Oct, 2023

  • 自动一致性评估的新型计算和建模基础

    该论文提出了一种正式和计算的口头表达的一致性的设置和评估方法，该方法通过联合训练多种任务的模型，在评估一致性的各个任务上表现出更好的性能，为大规模自动评估一致性提供了坚实的基础。

    Oct, 2023

  • 利用大型语言模型检测帕金森病的自发语言变化

    利用大型语言模型，通过自发语音进行自动检测帕金森病的精确度高达 73%。

    Apr, 2024

  • 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