Alzheimer’s Disease Detection using Disfluencies Implemented Fine-Tuning BERT Model Ensemble

1. 背景介绍
   使用原始的、未注释的、未转录的语音进行目标认知状态预测，并解决认知随时间变化的预测。

address 挑战：阿尔茨海默氏痴呆症识别仅通过自发语言

• 从一个简短的演讲中检测阿尔茨海默氏痴呆症
• 认知测试分数的推断，MMSE 分数。
• 预测认知能力下降

任务:
从一个简短的演讲中检测阿尔茨海默氏痴呆症

可能的一般方法:

• 直接使用语音信号 (声学特征)
• 语音自动转换为文本 (ASR)，并从脚本中提取语言特征

更好的解决方案:
结合声学和语言特征，利用预训练 BERT 模型。