CogniVoice: 多模态和多语言融合网络用于自发语音中的轻度认知损害评估
原文中文，约300字，阅读约需1分钟。发表于：。CogniVoice 是一种多语言、多模态的框架，通过分析语音数据及其文本转录，检测轻度认知障碍（MCI）和估计最小精神状态检查（MMSE）得分。在 TAUKADIAL 挑战中，CogniVoice 在 MCI 分类和 MMSE 回归任务中凭借其集成的多模态和多语言网络，在 F1 和 RMSE 上分别比基线模型提高了 2.8 和 4.1 分，并且能够有效降低不同语言组间的性能差距 0.7 分。
该文章介绍了一种通过分析连接语言来评估认知功能的方法，提出了一个新的基准数据集和预测任务。数据集包含普通话和英语演讲者的言语样本和临床信息。通过倾向评分分析匹配数据，确保模型训练的平衡和代表性。预测任务包括轻度认知损害的诊断和认知测试分数的预测。提供基准预测模型来说明这一框架。在诊断中，平均未加权回忆率为59.2%，评分预测的均方根误差为2.89。
