論文の概要: ML-Based Analysis to Identify Speech Features Relevant in Predicting
Alzheimer's Disease
- arxiv url: http://arxiv.org/abs/2110.13023v1
- Date: Mon, 25 Oct 2021 15:00:50 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-26 19:33:53.004800
- Title: ML-Based Analysis to Identify Speech Features Relevant in Predicting
Alzheimer's Disease
- Title（参考訳）: mlを用いたアルツハイマー病の予測における音声特徴の同定
- Authors: Yash Kumar, Piyush Maheshwari, Shreyansh Joshi and Veeky Baths
- Abstract要約: アルツハイマー病(AD)は世界中で約5000万人に影響を及ぼし、世界的な死因の1つとなっている。
MLモデルとニューラルネットワークの両方をトレーニングして、参加者の音声パターンに基づいて予測と分類を行いました。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Alzheimer's disease (AD) is a neurodegenerative disease that affects nearly
50 million individuals across the globe and is one of the leading causes of
deaths globally. It is projected that by 2050, the number of people affected by
the disease would more than double. Consequently, the growing advancements in
technology beg the question, can technology be used to predict Alzheimer's for
a better and early diagnosis? In this paper, we focus on this very problem.
Specifically, we have trained both ML models and neural networks to predict and
classify participants based on their speech patterns. We computed a number of
linguistic variables using DementiaBank's Pitt Corpus, a database consisting of
transcripts of interviews with subjects suffering from multiple
neurodegenerative diseases. We then trained both binary classifiers, as well as
multiclass classifiers to distinguish AD from normal aging and other
neurodegenerative diseases. We also worked on establishing the link between
specific speech factors that can help determine the onset of AD. Confusion
matrices and feature importance graphs have been plotted model-wise to compare
the performances of our models. In both multiclass and binary classification,
neural networks were found to outperform the other models with a testing
accuracy of 76.44% and 92.05% respectively. For the feature importance, it was
concluded that '%_PRESP' (present participle), '%_3S' (3rd person present tense
markers) were two of the most important speech features for our classifiers in
predicting AD.
- Abstract（参考訳）: アルツハイマー病(英: Alzheimer's disease, AD)は、世界中の5000万人近い人に影響を及ぼす神経変性疾患であり、世界規模の死因の1つである。
2050年までには、この病気の感染者は2倍以上になると予想されている。
その結果、技術の発展が疑問視され、より良く早期に診断するために、テクノロジーはアルツハイマー病を予測するのに使えるのだろうか?
本稿では,この問題に焦点をあてる。
具体的には、機械学習モデルとニューラルネットワークの両方を訓練し、参加者の音声パターンに基づいて予測と分類を行った。
DementiaBankのPitt Corpusは、複数の神経変性疾患の患者に対するインタビューの書き起こしからなるデータベースである。
次に、正常な老化や神経変性疾患と鑑別するために、二分分類器と多クラス分類器の両方を訓練した。
また、ADの開始を決定できる特定の音声要素間のリンクの確立にも取り組んでいる。
モデルの性能を比較するために、混乱行列と特徴重要グラフがモデルごとにプロットされています。
マルチクラス分類とバイナリ分類の両方において、ニューラルネットワークは、それぞれ76.44%と92.05%の精度で他のモデルより優れていることがわかった。
この特徴から,「%_presp」 (現在分詞) 「%_3s」 (3人目現在時制マーカー) は, 広告の予測において, 分類者にとって最も重要な音声特徴の2つであることがわかった。
関連論文リスト
- Brain Tumor Classification on MRI in Light of Molecular Markers [61.77272414423481]
1p/19q遺伝子の同時欠失は、低グレードグリオーマの臨床成績と関連している。
本研究の目的は,MRIを用いた畳み込みニューラルネットワークを脳がん検出に活用することである。
論文 参考訳（メタデータ） (2024-09-29T07:04:26Z) - Towards Within-Class Variation in Alzheimer's Disease Detection from Spontaneous Speech [60.08015780474457]
アルツハイマー病(AD)の検出は、機械学習の分類モデルを使用する有望な研究領域として浮上している。
我々は、AD検出において、クラス内変異が重要な課題であると考え、ADを持つ個人は認知障害のスペクトルを示す。
本稿では,ソフトターゲット蒸留 (SoTD) とインスタンスレベルの再分散 (InRe) の2つの新しい手法を提案する。
論文 参考訳（メタデータ） (2024-09-22T02:06:05Z) - Semantic Coherence Markers for the Early Diagnosis of the Alzheimer
Disease [0.0]
パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。
我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。
ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
論文 参考訳（メタデータ） (2023-02-02T11:40:16Z) - Few-Shot Meta Learning for Recognizing Facial Phenotypes of Genetic
Disorders [55.41644538483948]
分類の自動化と類似性検索は、医師が可能な限り早期に遺伝状態の診断を行うための意思決定を支援する。
従来の研究は分類問題としてこの問題に対処し、深層学習法を用いてきた。
本研究では,健常人の大規模なコーパスで訓練した顔認識モデルを用いて,顔の表情認識に移行した。
論文 参考訳（メタデータ） (2022-10-23T11:52:57Z) - Deep Multi-Branch CNN Architecture for Early Alzheimer's Detection from
Brain MRIs [0.0]
アルツハイマー病(英語: Alzheimer's disease、AD)は、認知症を引き起こす神経変性疾患である。
7,866,819個のパラメータからなる深層畳み込みニューラルネットワーク(CNN)アーキテクチャを提案する。
このモデルは、患者が99.05%の3段階の精度で、非段調、軽度段調、中等度段調であるかどうかを予測することができる。
論文 参考訳（メタデータ） (2022-10-22T02:25:07Z) - Neural Language Models are not Born Equal to Fit Brain Data, but
Training Helps [75.84770193489639]
音声ブックを聴く被験者の機能的磁気共鳴イメージングの時間軸予測に及ぼすテスト損失,トレーニングコーパス,モデルアーキテクチャの影響について検討した。
各モデルの訓練されていないバージョンは、同じ単語をまたいだ脳反応の類似性を捉えることで、脳内のかなりの量のシグナルをすでに説明していることがわかりました。
ニューラル言語モデルを用いたヒューマン・ランゲージ・システムの説明を目的とした今後の研究の実践を提案する。
論文 参考訳（メタデータ） (2022-07-07T15:37:17Z) - Multi-class versus One-class classifier in spontaneous speech analysis
oriented to Alzheimer Disease diagnosis [58.720142291102135]
本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。
外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
論文 参考訳（メタデータ） (2022-03-21T09:57:20Z) - Predicting Alzheimer's Disease Using 3DMgNet [2.97983501982132]
3DMgNetはアルツハイマー病(AD)を診断するためのマルチグリッドと畳み込みニューラルネットワークの統合フレームワークである
このモデルはADとNCの分類で92.133%の精度を達成し、モデルのパラメータを大幅に削減した。
論文 参考訳（メタデータ） (2022-01-12T09:08:08Z) - Multimodal Inductive Transfer Learning for Detection of Alzheimer's
Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。
時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。
本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文 参考訳（メタデータ） (2020-08-30T21:47:26Z) - Comparing Natural Language Processing Techniques for Alzheimer's
Dementia Prediction in Spontaneous Speech [1.2805268849262246]
アルツハイマー認知症(英語: Alzheimer's Dementia、AD)は、認知機能に影響を与える不治の、不安定で進行性の神経変性疾患である。
自発音声タスクによるアルツハイマー認知は、ADの分類と予測のために、音響的に前処理とバランスの取れたデータセットを提供する。
論文 参考訳（メタデータ） (2020-06-12T17:51:16Z) - A Graph Gaussian Embedding Method for Predicting Alzheimer's Disease
Progression with MEG Brain Networks [59.15734147867412]
アルツハイマー病(AD)に関連する機能的脳ネットワークの微妙な変化を特徴付けることは、疾患進行の早期診断と予測に重要である。
我々は、多重グラフガウス埋め込みモデル(MG2G)と呼ばれる新しいディープラーニング手法を開発した。
我々はMG2Gを用いて、MEG脳ネットワークの内在性潜在性次元を検出し、軽度認知障害(MCI)患者のADへの進行を予測し、MCIに関連するネットワーク変化を伴う脳領域を同定した。
論文 参考訳（メタデータ） (2020-05-08T02:29:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。