Identifying Alzheimer's Disease Through Speech Using Emotion Recognition

Autores

  • Guilherme Bernieri Military Institute of Engineering – IME
  • Julio Cesar Duarte Military Institute of Engineering – IME

DOI:

https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1093

Palavras-chave:

Doença de Alzheimer, Análise Automática da Fala, Aprendizado de Máquina

Resumo

A doença de Alzheimer é a demência neurodegenerativa mais comum em pessoas idosas no mundo e o seu diagnóstico requer uma ampla avaliação médica, apoiada por testes cognitivos, exames clínicos e de imagem. Identificar a doença através da fala pode reduzir o custo e o tempo do diagnóstico médico. Os estados emocionais são importantes indicadores de desempenho dos processos cognitivos. Técnicas computacionais inteligentes e não invasivas podem se tornar relevantes ferramentas de apoio para um diagnóstico médico precoce. Portanto, este trabalho aborda a utilização do reconhecimento de emoções através da voz como biomarcador para identificação da presença da doença de Alzheimer. O método proposto é baseado na extração das características emocionais da fala e no reconhecimento de padrões utilizando redes neurais. Os resultados dos experimentos alcançaram uma acurácia de 72,61%, uma precisão de 72,90% e uma revocação de 72,50% por intermédio da validação cruzada dos dados.

Biografia do Autor

Guilherme Bernieri, Military Institute of Engineering – IME

Master's Student, Military Institute of Engineering – IME, Rio de Janeiro (RJ), Brazil.

Julio Cesar Duarte, Military Institute of Engineering – IME

Professor, Military Institute of Engineering – IME, Rio de Janeiro (RJ), Brazil.

Referências

who.int [Internet]. Ageing - World Health Organization; c2022 [cited 2022 Aug 27]. Available from: https://www.who.int/health-topics/ageing.

Gauthier S, Webster C, Servaes S, Morais JA, Rosa-Neto P. World Alzheimer Report 2022: Life after diagnosis: Navigating treatment, care and support. London, England: Alzheimer’s Disease International (ADI); 2022.

Vizza P, Tradigo G, Mirarchi D, Bossio RB, Lombardo N, Arabia G, et al. Methodologies of speech analysis for neurodegenerative diseases evaluation. International Journal of Medical Informatics. 2019 Feb;122:45–54.

Alzheimer's Association. 2022 Alzheimer's Disease Facts and Figures. Chicago: Alzheimer's Association; 2022.

Liu L, Zhao S, Chen H, Wang A. A new machine learning method for identifying Alzheimer’s disease. Simulation Modelling Practice and Theory. 2020 Feb;99:102023.

Sharma P, Sharma A, Fayaz F, Wakode S, Pottoo FH. Biological signatures of Alzheimer Disease. Current Topics in Medicinal Chemistry. 2020 Apr 1;20.

Pulido MLB, Hernández JBA, Ballester MÁF, González CMT, Mekyska J, Smékal Z. Alzheimer’s disease and automatic speech analysis: A review. Expert Systems with Applications. 2020 Jul 15;150:113213.

Haider F, de la Fuente S, Albert P, Luz S. Affective Speech for Alzheimer’s Dementia Recognition. In Kokkinakis D, Lundholm Fors K, Themistocleous C, Antonsson M, Eckerström M, editors, LREC: Resources and Processing of linguistic, para-linguistic and extra-linguistic Data from people with various forms of cognitive/psychiatric/developmental impairments (RaPID). European Language Resources Association (ELRA). 2020. p. 67-73

de la Fuente Garcia S, Haider F, Luz S. Cross-corpus Feature Learning between Spontaneous Monologue and Dialogue for Automatic Classification of Alzheimer’s Dementia Speech. 2020 42nd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). 2020 Jul 20-24; Montreal, Canada. p. 5851-5855

Campbell EL, Mesía RY, Docío-Fernández L, García-Mateo C. Paralinguistic and linguistic fluency features for Alzheimer’s disease detection. Computer Speech & Language. 2021 Jul;68:101198.

Burkhardt F, Paeschke A, Rolfes M, Sendlmeier WF, Weiss B. A database of German emotional speech. In: Ninth European Conference on Speech Communication and Technology; 04-08 de setembro de 2005; Lisboa, Portugal. INTERSPEECH 2005. p. 1517-1520.

Becker JT, Boiler F, Lopez OL, Saxton J, McGonigle KL. The natural history of Alzheimer's disease: Description of study cohort and accuracy of diagnosis. Archives of Neurology. 1994 Jun; 51 (6): 585-594.

Husein Z. Malaya, Speech-Toolkit library. Version 1.2.7 [software]. 2020 [cited 2022 Aug 27]. Available from: https://github.com/huseinzol05/malaya-speech.

Wagner J, Triantafyllopoulos A, Wierstorf H, Schmitt M, Eyben F, Schuller BW. Dawn of the transformer era in speech emotion recognition: closing the valence gap. arXiv:2203.07378v2 [Preprint]. 2022 [cited 2022 Aug 27]: [25 p.]. Available from: https://arxiv.org/abs/2203.07378v2

Braga AC, Oliveira P. Diagnostic analysis based on ROC curves: theory and applications in medicine. International Journal of Health Care Quality Assurance. 2003 Jul 1. p. 191-198.

Downloads

Publicado

20-07-2023

Como Citar

Bernieri, G., & Duarte, J. C. (2023). Identifying Alzheimer’s Disease Through Speech Using Emotion Recognition. Journal of Health Informatics, 15(Especial). https://doi.org/10.59681/2175-4411.v15.iEspecial.2023.1093

Artigos Semelhantes

<< < 14 15 16 17 18 19 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.