研究人员开发了一种使用自发语音对痴呆症进行分类的新方法，分析整个录音的声学特征，而不仅仅是语音活动片段。该方法利用openSMILE工具包和基于包装器的特征选择，识别出具有诊断相关性的特征。极端最小学习机分类器被证明在计算效率上最高，提供了具有竞争力的准确性，并可作为痴呆症评估的辅助工具。 AI
影响 这项研究可能带来更易于访问和更有效的早期痴呆症检测工具，从而辅助临床评估。
排序理由 学术论文，详细介绍了使用机器学习对语音数据进行痴呆症分类的新方法。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
