机器学习模型分析语音检测阿尔茨海默氏症
研究人员正在努力使阿尔茨海默氏痴呆的早期诊断成为可能与机器学习(ML)模型可能有一天会变成一个简单的筛选任何智能手机可以使用的工具。
模型能够区分阿尔茨海默氏症患者和健康对照组与70 - 75%的准确率,超过一个有前途的图747000年加拿大人阿尔茨海默氏症或另一种形式的痴呆症。
阿尔茨海默氏痴呆可以挑战来检测在早期阶段,因为症状通常很微妙的,可以混淆与内存相关问题,典型的先进的年龄。但是研究人员注意到,早期检测到潜在的问题,患者越早可以开始采取行动。
“以前,你需要实验室工作,医学成像,探测大脑的变化;这需要时间,这是昂贵的,并且没有人能测试这个,”说Eleni Stroulia,教授计算机科学部门曾参与创建模型。
“如果你可以使用手机一个早期信号,将通知病人与医生之间的关系。它可能会开始治疗前,我们甚至可以从简单的干预在国内,也有移动设备,发展慢下来。”
想要更多的最新消息?
订阅188金宝搏备用的日常通讯,提供每天打破科学消息直接发送到您的收件箱中。
免费订阅“我们可以考虑筛选病人使用这种技术完全基于演讲,”国王说。
虽然研究小组曾看着阿尔茨海默氏痴呆患者所使用的语言,对于这个项目他们检查语言无关声学特性而不是特定的词汇和语言讲话。
“原来的工作涉及听人说什么,理解他们说什么,的意思。这是一个计算问题更容易解决,”Stroulia说。“现在我们说、听声音。人们的说话方式有一些属性,超越语言。”
“这是更强大的比之前版本的问题我们解决,“Stroulia补充道。
研究人员开始演讲特色,医生指出阿尔茨海默氏痴呆患者中是很常见的。这些患者往往说慢一点,有停顿或中断他们的演讲。他们通常使用短词,通常降低了可解性的演讲。研究人员发现这些特征转化为语音特征模型的方法可以屏幕。
虽然研究人员关注英语和希腊人,“这项技术有可能被使用在不同的语言,”国王说。
虽然模型本身是复杂的,最终用户体验的一个工具,包含不可能是简单的。
“一个人会谈到工具,它一个分析和预测:是的,有阿尔茨海默氏症的人,或没有他们不,”说拉斯格林尼贡献者在纸上,教授计算机科学和成员神经科学和心理健康研究所。这些信息可以使医疗专业来确定最佳的行动方针的人。
他一一和Stroulia都是领导计算精神病学研究小组的U,其成员制定类似的人工智能模型和工具来检测精神疾病如创伤后应激障碍、精神分裂症、抑郁症和双相情感障碍。
“任何我们可以做放大的临床过程,告知治疗和管理疾病早以更少的成本是伟大的,”Stroulia说。
参考:沙Z,气SA,王F, et al。探索语言无关的演讲表示使用领域知识检测阿尔茨海默氏痴呆。发表于:IEEE国际会议音响、演讲和信号处理(ICASSP),罗德岛,希腊。2023年6月4到10。doi:10.1109 / ICASSP49357.2023.10095593
本文从以下转载材料。注:材料可能是长度和内容的编辑。为进一步的信息,请联系引用源。