論文の概要: Dementia Classification Using Acoustic Speech and Feature Selection

• arxiv url: http://arxiv.org/abs/2502.03484v1
• Date: Tue, 04 Feb 2025 14:50:19 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:29:28.038314
• Title: Dementia Classification Using Acoustic Speech and Feature Selection
• Title（参考訳）: 音響音声を用いた認知症分類と特徴選択
• Authors: Marko Niemelä, Mikaela von Bonsdorff, Sami Äyrämö, Tommi Kärkkäinen,
• Abstract要約: この研究は、モデル出力に基づいて特徴重要度スコアを計算するために、リッジ線形回帰、極小学習機械、線形支援ベクトル機械学習モデルを用いている。 本研究の結果は, 認知症診断において, 同じデータセットと音響的特徴抽出を用いた他の研究と比較して上位にランクされた。
• 参考スコア（独自算出の注目度）: 0.3749861135832073
• License:
• Abstract: Dementia is a general term for a group of syndromes that affect cognitive functions such as memory, thinking, reasoning, and the ability to perform daily tasks. The number of dementia patients is increasing as the population ages, and it is estimated that over 10 million people develop dementia each year. Dementia progresses gradually, and the sooner a patient receives help and support, the better their chances of maintaining their functional abilities. For this reason, early diagnosis of dementia is important. In recent years, machine learning models based on naturally spoken language have been developed for the early diagnosis of dementia. These methods have proven to be user-friendly, cost-effective, scalable, and capable of providing extremely fast diagnoses. This study utilizes the well-known ADReSS challenge dataset for classifying healthy controls and Alzheimer's patients. The dataset contains speech recordings from a picture description task featuring a kitchen scene, collected from both healthy controls and dementia patients. Unlike most studies, this research does not segment the audio recordings into active speech segments; instead, acoustic features are extracted from entire recordings. The study employs Ridge linear regression, Extreme Minimal Learning Machine, and Linear Support Vector Machine machine learning models to compute feature importance scores based on model outputs. The Ridge model performed best in Leave-One-Subject-Out cross-validation, achieving a classification accuracy of 87.8%. The EMLM model, proved to be effective in both cross-validation and the classification of a separate test dataset, with accuracies of 85.3% and 79.2%, respectively. The study's results rank among the top compared to other studies using the same dataset and acoustic feature extraction for dementia diagnosis.
• Abstract（参考訳）: 認知症 (Dementia) とは、記憶、思考、推論、日々の作業を行う能力などの認知機能に影響を与える症候群の集団の総称である。 認知症患者は高齢化に伴い増加傾向にあり、毎年1000万人以上が認知症を発症していると推定されている。 認知症は徐々に進行し、患者が助けや支援を受けるほど、機能的能力を維持する可能性が向上する。 そのため,早期に認知症を診断することが重要である。 近年,認知症早期診断のための自然言語に基づく機械学習モデルが開発されている。 これらの手法は、ユーザフレンドリで、費用対効果があり、スケーラブルであり、極めて高速な診断を可能にすることが証明されている。 本研究は、ADReSSチャレンジデータセットを用いて、健康管理とアルツハイマー患者を分類する。 本データセットは、健常者と認知症患者の双方から収集されたキッチンシーンを特徴とする画像記述タスクからの音声記録を含む。 多くの研究とは異なり、この研究は音声録音をアクティブな音声セグメントに分割するのではなく、録音全体から音響的特徴を抽出する。 この研究は、モデル出力に基づいて特徴重要度スコアを計算するために、リッジ線形回帰、極小学習機械、線形支援ベクトル機械学習モデルを用いている。 リッジモデルは、Leave-One-Subject-Outクロスバリデーションにおいて最も良く、87.8%の精度で分類された。 EMLMモデルは、それぞれ85.3%と79.2%の精度で、クロスバリデーションと別個のテストデータセットの分類の両方に有効であることが証明された。 本研究の結果は, 認知症診断において, 同じデータセットと音響的特徴抽出を用いた他の研究と比較して上位にランクされた。

関連論文リスト

• Identification of Cognitive Decline from Spoken Language through Feature Selection and the Bag of Acoustic Words Model [0.0]
  記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。 臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。 この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
  論文  参考訳（メタデータ） (2024-02-02T17:06:03Z)
• Identifying Alzheimer Disease Dementia Levels Using Machine Learning Methods [0.0]
  RF, SVM, CNNアルゴリズムを用いて認知症の4段階を分類する手法を提案する。 以上の結果から,浸水特性を持つSVMの精度は96.25%であり,他の分類法よりも高いことがわかった。
  論文  参考訳（メタデータ） (2023-11-02T17:44:28Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Exploiting prompt learning with pre-trained language models for Alzheimer's Disease detection [70.86672569101536]
  アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。 本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
  論文  参考訳（メタデータ） (2022-10-29T09:18:41Z)
• Acoustic-Linguistic Features for Modeling Neurological Task Score in Alzheimer's [1.290382979353427]
  自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。 我々は,10種類の線形回帰モデルの性能を比較し,比較した。 与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
  論文  参考訳（メタデータ） (2022-09-13T15:35:31Z)
• Examining stability of machine learning methods for predicting dementia at early phases of the disease [0.4125187280299248]
  認知症の予測は、通常、正常化された全脳容積(nWBV)とAtlas Scaling Factor(ASF)から収集される収集データの種類に大きく依存する。 多くの研究は認知症を予測するために機械学習を使用しているが、異なる実験条件下でより正確であるこれらの手法の安定性に関する結論には達しなかった。 本稿では,認知症予測のための機械学習アルゴリズムの性能に関する結論安定性について検討する。
  論文  参考訳（メタデータ） (2022-09-10T12:05:51Z)
• Exploring linguistic feature and model combination for speech recognition based automatic AD detection [61.91708957996086]
  音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。 専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。 本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
  論文  参考訳（メタデータ） (2022-06-28T05:09:01Z)
• Designing A Clinically Applicable Deep Recurrent Model to Identify Neuropsychiatric Symptoms in People Living with Dementia Using In-Home Monitoring Data [52.40058724040671]
  鎮静は認知症において高い有病率を有する神経精神医学症状の1つである。 扇動エピソードの検出は、認知症に生きる人々(PLWD)に早期かつタイムリーな介入を提供するのに役立つ。 本研究は,家庭内モニタリングデータを用いてPLWDの動揺リスクを分析するための教師付き学習モデルを提案する。
  論文  参考訳（メタデータ） (2021-10-19T11:45:01Z)
• Predicting Parkinson's Disease with Multimodal Irregularly Collected Longitudinal Smartphone Data [75.23250968928578]
  パーキンソン病は神経疾患であり、高齢者に多い。 伝統的に病気を診断する方法は、一連の活動テストの品質に関する個人的主観的臨床評価に依存している。 そこで本研究では,スマートフォンが収集した生の行動データを用いて,パーキンソン病を予測するための時系列に基づく新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-09-25T01:50:15Z)
• Patch-based Brain Age Estimation from MR Images [64.66978138243083]
  磁気共鳴画像(MRI)による脳年齢推定は、被験者の生物学的脳年齢と時系列年齢の違いを導出する。 より高年齢の神経変性を早期に検出することは、より良い医療と患者の計画を促進する可能性がある。 我々は、脳の3Dパッチと畳み込みニューラルネットワーク(CNN)を用いて、局所的な脳年齢推定器を開発する新しいディープラーニングアプローチを開発した。
  論文  参考訳（メタデータ） (2020-08-29T11:50:37Z)
• 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)

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。