[论文解读] A Method for Analysis of Patient Speech in Dialogue for Dementia Detection

Saturnino Luz, Sofia de la Fuente García+1 more|arXiv (Cornell University)|Nov 25, 2018

Speech and dialogue systems参考文献 33被引用 34

一句话总结

本文提出了一种基于自发对话中语音特征（如语速和对话轮换模式）的无内容对话分析方法，采用加法逻辑回归（Real Adaboost）检测阿尔茨海默病型痴呆。尽管仅依赖低水平交互特征，该模型仍实现了86.5%的准确率，表明利用自然发生的语音数据，可实现非侵入性、低成本的心理健康监测工具。

ABSTRACT

We present an approach to automatic detection of Alzheimer's type dementia based on characteristics of spontaneous spoken language dialogue consisting of interviews recorded in natural settings. The proposed method employs additive logistic regression (a machine learning boosting method) on content-free features extracted from dialogical interaction to build a predictive model. The model training data consisted of 21 dialogues between patients with Alzheimer's and interviewers, and 17 dialogues between patients with other health conditions and interviewers. Features analysed included speech rate, turn-taking patterns and other speech parameters. Despite relying solely on content-free features, our method obtains overall accuracy of 86.5\%, a result comparable to those of state-of-the-art methods that employ more complex lexical, syntactic and semantic features. While further investigation is needed, the fact that we were able to obtain promising results using only features that can be easily extracted from spontaneous dialogues suggests the possibility of designing non-invasive and low-cost mental health monitoring tools for use at scale.

研究动机与目标

• 开发一种低成本、非侵入性的方法，利用自然对话环境中的自发语音，实现阿尔茨海默病型痴呆的早期检测。
• 探究无内容语言特征（如语速和对话轮换）是否能有效区分痴呆患者与非痴呆个体。
• 通过聚焦真实对话中的互动动态，减少对复杂且难以获取的语言特征（如词汇和句法）的依赖。
• 通过利用日常对话中易于提取的语音参数，实现可扩展、可部署的心理健康监测工具。
• 提出一种基于对话结构而非叙事或独白式语音任务的新框架，用于痴呆检测。

提出的方法

• 该方法采用加法逻辑回归（Real Adaboost），一种机器学习提升算法，基于对话特征将患者分类为阿尔茨海默病型痴呆（ATD）或非ATD。
• 提取的特征包括语速、对话轮换模式以及其他从自发对话中获得的语调和互动参数，完全不依赖词汇或语义内容。
• 模型在卡罗来纳对话资料集（CCC）的21例ATD患者对话和17例非ATD患者对话上进行训练，采用留一法交叉验证（LOOCV）。
• 使用发声图来表示和分析对话互动模式，从而实现对说话人轮换转换和语音动态的建模。
• 该方法通过聚焦在即使在嘈杂的真实环境中也稳定的鲁棒低水平对话特征，避免了复杂的语音识别。
• 性能通过标准指标进行评估：总体准确率、微平均F值和宏平均F值，并与SVM、随机森林和C4.5等替代分类器进行比较。

实验结果

研究问题

• RQ1 在自发对话中，无内容对话特征（如语速和对话轮换模式）能否可靠地区分阿尔茨海默病型痴呆患者与非痴呆个体？
• RQ2 仅基于互动动态的机器学习模型，在性能上与使用丰富语言特征（如句法和语义）的模型相比如何？
• RQ3 基于自发语音的低成本、非侵入性工具在真实世界环境中对痴呆早期检测的有效性如何？
• RQ4 从自然对话中提取的对话级特征，其准确率是否可与更复杂、依赖内容的方法相媲美？

主要发现

• 所提出的方法仅使用无内容对话特征，即实现了86.5%的总体准确率，优于逻辑回归，并与SVM和随机森林等其他分类器相当或更优。
• 微平均F值为0.878，宏平均F值为0.76，表明在阳性（AD）和阴性（非AD）类别上均表现出色。
• Real Adaboost在所有测试算法中准确率最高，略高于SVM（83.7%）和随机森林（81.1%）。
• 尽管仅依赖易于提取的语调和互动特征，其结果与使用复杂词汇、句法和语义特征的最先进方法相当。
• 研究证明，对话互动模式（如对话轮换和语速）可作为早期痴呆检测的稳健、非侵入性生物标志物。
• 研究结果支持利用自然环境中收集的自发语音数据，开发可扩展、低成本的心理健康监测系统的可行性。