ИТ-диагностика болезни Альцгеймера на основе анализа голосовой информации

Abstract

Цель статьи − использовать машинное обучение для распознавания болезни Альцгеймера по фонологическим данным на ранней стадии заболевания. Данные, используемые в процессе анализа, взяты из набора данных AdeSS2020 Challenge dataset, который содержит голосовую информацию как пациентов с болезнью Альцгеймера (для обучения нейронной сети) так и пациентов для распознавания. Подход, используемый в этой статье, основан на модели классификации с использованием машинного обучения. Сначала из голосовых данных были извлечены как фонологические, так и семантические признаки, затем выполнено машинное обучение нейронной сети на основе этих признаков с использованием алгоритма случайного леса. Использован также алгоритм GridSearchCV для оптимизации гиперпараметров классификатора случайного леса. В процессе распознавания болезни Альцгеймера точность классификации модели достигла 85 %.