基于声学特征的随机森林模型的认知障碍识别
陶良伟1
李一鸣2
陈泉3
周知行4
季志煜5
付航5
张言杰2
杨晖1
1.上海理工大学 光电信息与计算机工程学院,上海 200093;上海健康医学院数智眼健康诊疗技术与装备创新中心,上海 201318;上海健康医学院 医疗器械学院,上海 2002372.上海健康医学院数智眼健康诊疗技术与装备创新中心,上海 201318;上海健康医学院 医疗器械学院,上海 2002373.上海理工大学 光电信息与计算机工程学院,上海 2000934.上海博斯腾网络科技有限公司,上海 2000935.上海数药智能科技有限公司,上海 201306
摘要：针对现有阿尔兹海默病(AD)早期筛查方法流程繁琐、成本高的问题,本研究提出了一种基于机器学习的认知障碍识别模型.首先,本研究通过提取语音信号的声学和语义特征,并结合上海认知筛查(SCS)量表测试分数和个人信息,提高对认知障碍的识别准确率;其次,利用沙普利加性解释(SHAP)和局部可解释性模型(LIME)对不同的语音特征进行重要性分析,增强模型的可解释性.人工问答数据集的结果显示,本研究模型对认知障碍的识别准确率达 0.9000,受试者工作特征曲线下面积(AUC)达 0.9023,F1 分数为 0.9000.本研究可为 AD 的早期检测提供新思路.
关键词：机器学习阿尔茨海默病轻度认知障碍语音自然语言处理
分类号：R318(医用一般科学)TP181(自动化基础理论)
资助基金：上海市教委AI赋能科研计划重点项目(SHJWAIJK241201)
论文发表日期：2026-06-30
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 204-211 )
英文信息