Dec, 2023

患者 - 临床医师互动的路径签名表征作为儿童神经心理测试结果的预测器：概念验证

PDF
TL;DR这项研究报告提出了在诊断认知发展障碍的儿童的视频和语音数据中应用机器学习技术的概念验证研究。该研究利用了 39 个视频录制的数据集，收集了包括四项认知评估测试在内的临床会诊的广泛内容。通过从每个临床会诊的前 40 分钟中提取临床医生和儿童的头部位置和语音转换，尽管样本数量有限且录制风格不同，分析成功地从记录的数据中提取了路径特征，重点关注患者和医生之间的互动。结果表明，这些特征有望用于预测整个会诊过程中所有认知测试的分数，以及用作临床决策支持工具的预测模型的原型。总体而言，这个概念验证证明了利用机器学习技术进行临床视频和语音数据分析的可行性，以潜在地提高儿童神经发育障碍的认知评估的效率。
machine learningvideospeech datacognitive assessmentsneurodevelopmental disorder
发现论文，激发创造
  • 从临床对话中提取症状及其状态

    该研究开发了两种新型深度学习模型，基于医疗文本数据集，旨在从临床会话中提取症状信息，针对模型性能进行全面评估，为医疗提供辅助应用方向。

    Jun, 2019

  • 在多诊断情境中自动分类神经精神疾病的语音和文本方法

    本研究比较了基于语音和文本特征的二元分类和多类分类模型在区分多种神经精神障碍时的表现，结果显示联合模型表现更佳，同时提出今后应该关注更具代表性的跨诊断数据集以及精细化的临床特征。

    Jan, 2023

  • 癫痫预测的路径签名

    通过对长期患者数据集的分析，研究人员提出了用于预测特定患者癫痫发作的统计特征的自动发现和量化方法，其中使用了现有和新颖的特征提取算法，特别是路径标识这一时间序列分析的最新发展技术。

    Aug, 2023

  • 基于路径签名和孪生自编码器的自闭症早期诊断

    针对 2 岁以下儿童的传统的基于交流和行为模式的诊断方法不够可靠，因此我们提出了一种深度学习的方法来提取关键特征从病态的、类不平衡和异质的结构 MR 图像中进行早期的自闭症诊断，该方法通过 Siamese 验证框架扩展稀缺数据，通过无监督压缩器抑制数据不平衡，通过权重约束解决样本异质性，并使用 Path Signature 来纵向解读两个时间点的数据，以此有效的完成了早期自闭症的诊断。

    Jul, 2023

  • 走向客观和可解释的语音障碍评估：基于 CNN 和 Transformer 的模型的比较分析

    这项研究提出了一种基于自我监督的 Wav2Vec2 模型，用于头颈癌患者的语音分类，以提高准确性和语音特征辨别能力，并通过评估多样化语料库的方式验证了该模型的有效性，为医生提供了可解释的方法来理解病理性语音。

    Jun, 2024

  • 利用机器学习探索自闭症中的言语模式障碍

    通过分析检查者 - 患者对话，本研究提供一种综合方法，用于识别独特的语音模式，并利用机器学习在自闭症谱系障碍 (ASD) 的诊断过程中支持早期检测和个性化治疗规划。

    May, 2024

  • 利用声学特征检测认知损伤：超越 Cookie 盗窃图片测试

    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。

    Jun, 2022

  • 应用人工智能和自然语言知识转移进行帕金森病诊断

    本研究提出了一种利用深度学习方法对带有 Parkinson 病的患者的语音记录进行分类的方法，通过对一个预训练自然语言模型 wav2vec 2.0 进行知识转移训练音频分类器，并成功在由智能手机录制的语音记录数据集中实现了 97.92% 的准确度。

    Apr, 2022

  • 基于图增强的时间敏感模型从临床时间序列数据预测治疗启动

    该研究旨在通过使用双分图表示患者和医生之间的关系，将患者和医生之间的相似性作为时间敏感预测模型的潜在表示方法，并对慢性淋巴细胞白血病患者进行治疗首次疗程的预测实验，结果表明与多个基线相比，和关系相似度能够提高预测准确率达到 5%。

    Jul, 2019

  • 基于快速原型设计的护士病人症状监测对话理解系统

    本文旨在通过构建人 - 人对话数据集来快速搭建一种对话理解系统，从而实现对医院对话的深度理解，更好地进行病症筛查和分流。

    Mar, 2019