Leveraging Pretrained Representations with Task-related Keywords for Alzheimer’s Disease Detection

要約

世界人口の急速な高齢化に伴い、アルツハイマー病 (AD) は特に高齢者に顕著であり、潜行性に発症し、認知領域 (記憶、コミュニケーションなど) が徐々に不可逆的に低下します。
音声ベースの AD 検出により、広範なスクリーニングとタイムリーな疾患介入の可能性が開かれます。
事前トレーニング済みモデルの最近の進歩により、AD 検出モデリングが低レベルの機能から高レベルの表現に移行するようになっています。
このホワイト ペーパーでは、高レベルの音響的および言語的特徴からより適切な AD 関連の手がかりを抽出するためのいくつかの効率的な方法を紹介します。
これらの機能に基づいて、この論文では、参加者の説明と認知タスクとの関係をモデル化することにより、新しいタスク指向のアプローチも提案しています。
バイナリ分類セットアップで ADReSS データセットに対して実験が行われ、目に見えないテスト セットでモデルが評価されます。
結果と最近の文献との比較は、提案された音響的、言語的、およびタスク指向の方法の効率と優れたパフォーマンスを示しています。
この調査結果は、セマンティックおよびシンタックス情報の重要性、および AD 検出タスクの有望な音声のみおよびタスク指向の方法による自動化および一般化の実現可能性も示しています。

要約(オリジナル)

With the global population aging rapidly, Alzheimer’s disease (AD) is particularly prominent in older adults, which has an insidious onset and leads to a gradual, irreversible deterioration in cognitive domains (memory, communication, etc.). Speech-based AD detection opens up the possibility of widespread screening and timely disease intervention. Recent advances in pre-trained models motivate AD detection modeling to shift from low-level features to high-level representations. This paper presents several efficient methods to extract better AD-related cues from high-level acoustic and linguistic features. Based on these features, the paper also proposes a novel task-oriented approach by modeling the relationship between the participants’ description and the cognitive task. Experiments are carried out on the ADReSS dataset in a binary classification setup, and models are evaluated on the unseen test set. Results and comparison with recent literature demonstrate the efficiency and superior performance of proposed acoustic, linguistic and task-oriented methods. The findings also show the importance of semantic and syntactic information, and feasibility of automation and generalization with the promising audio-only and task-oriented methods for the AD detection task.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google