语言的生物标记神经、认知和精神障碍:验证,分析验证,临床验证,和机器学习

变性神经细胞控制的认知、语言和语言过程导致各级语言障碍,从口头话语到个人语音,可以显示神经的迹象,认知和精神疾病如阿尔茨海默病(AD)、帕金森病(PD),肌萎缩性脊髓侧索硬化症(ALS)、痴呆、抑郁症、自闭症谱系障碍,精神分裂症,等。目前,这些疾病诊断使用特定临床诊断标准和神经心理检查。然而,基于语音的生物标记物可能会提供许多优势目前临床标准。除了客观的和自然的,他们也可以收集远程用最小的指令和时间要求。此外,机器学习算法发展到使用语言特征构建自动化诊断模型提取的演讲可以帮助诊断的患者可能来自一群正常人群的疾病。

确保基于语音的生物标志物提供精确的测量,可以作为有效的临床检测和监测疾病的工具,必须系统的语音特征提取和分析,严格评估。不同的机器学习架构培训分类不同类型的无序的演讲也必须严格测试和系统的比较。

演讲的措施,提出了三类评价:验证、分析验证,和临床验证。验证包括评估和比较各个硬件的演讲录音的质量和记录的条件。分析验证需要检查数据处理和计算的准确性和可靠性措施,确保它们准确地测量目的的现象。涉及临床有效性验证的对应措施的临床诊断、疾病严重程度/进展,和/或对治疗的反应结果。

机器学习算法,应用分析和临床验证。例如,不同的算法的准确性可以比较在不同临床组不同的结果的措施。

这个研究课题旨在结合研究的有效性基于语音作为临床诊断的生物标志物或疾病严重程度和预后的评估相关学科包括认知神经科学、计算机科学、工程、语言学、言论、通信科学,等等。我们欢迎原始研究或系统评价的演讲的三个类别的评估措施:验证,分析验证,临床验证以及NLP工具用来模拟临床检测、分类和评估疾病严重程度/进展和/或对治疗的反应结果。

话题可能包括,但不限于:
•自动分析,构音障碍的语言(如典型和非典型帕金森症,亨廷顿氏舞蹈症,多发性硬化症,肌萎缩性脊髓侧索硬化症);
•早期检测和分类的神经发育障碍(例如自闭症谱系障碍(ASD),演讲语言障碍(SLI),注意缺陷多动障碍(ADHD));
•的认知评价和临床phenotypization(如阿尔茨海默病,认知障碍包括药物诱发认知障碍、痴呆);
•精神疾病筛查和诊断(例如,创伤后应激障碍(PTSD),抑郁症,焦虑症,双相情感障碍,精神分裂症);
•新方法和工具用于收集语音样本的评估神经,认知和精神疾病。