AI通过语音声学特征检测阿尔茨海默病

研究人员开发了一种仅使用自发语音音频检测阿尔茨海默病的方法。该方法无需转录或计算密集型深度学习模型，而是专注于手工制作的声学-时间特征，如停顿和流畅性统计数据，以及梅尔频率倒谱系数（MFCC）。使用具有RBF核的支持向量机在DementiaBank Pitt语料库上进行训练，该系统取得了0.674的平均AUC，证明了在阿尔茨海默病早期筛查中使用频谱-时间（spectro-temporal）和流畅性线索的潜力。 AI

影响 提供了一种潜在的低成本、非侵入性的阿尔茨海默病早期筛查方法，减少了对昂贵的神经影像学或基于语言的工具的依赖。

排序理由 详细介绍一种新颖的疾病检测方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Alzheimer's disease
• Cookie Theft Picture Description: Linguistic and Neural Correlates
• DementiaBank Pitt corpus
• Mel Frequency Cepstral Coefficients
• random forest
• Rbf Kernel
• support vector machine
• WebRTC

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →