21、基于分形维度的自发语音特征提取方法用于阿尔茨海默病诊断

基于分形维度的自发语音特征提取方法用于阿尔茨海默病诊断

1 引言

阿尔茨海默病（AD）是老年人中最常见的痴呆类型，其特征是进行性和不可逆的认知衰退，包括记忆力丧失、判断力和语言能力受损，以及其他认知缺陷和行为症状。这些症状严重限制了患者的日常活动能力，随着病情进展，患者会出现严重残疾并完全依赖他人。

早期准确诊断AD对患者及其家属至关重要，它有助于规划未来并为治疗症状提供最佳机会。目前的诊断标准在存在痴呆且排除其他可能原因时，以不同程度的确定性表示为可能或很可能的AD，而明确诊断AD则需要在尸检中证实典型的AD病理变化。

AD的临床标志和最早表现是情景记忆障碍，临床就诊时，语言、执行功能、定向、感知能力和构建技能等方面也会出现其他认知缺陷。近年来，AD早期诊断方法在开发可靠的临床生物标志物方面取得了显著进展，但成本和技术要求使得这些生物标志物无法应用于所有有记忆问题的患者。

非侵入性智能诊断技术，如自动自发语音分析（ASSA），可能成为早期检测痴呆的有价值工具。这些技术无需改变或阻碍患者的能力，患者不会将自发语音视为压力测试，而且成本低，不需要大量基础设施或医疗设备，能够轻松、快速且低成本地获取信息。

除了记忆力丧失，AD还会导致语言技能丧失，不同阶段的患者会出现不同的沟通缺陷：
- 第一阶段或早期阶段（ES）：自发语音中难以找到合适的词汇，常未被察觉。
- 第二阶段或中期阶段（IS）：日常语言和词汇匮乏。
- 第三阶段或晚期阶段（AS）：回答有时非常有限，仅限于很少的词汇。

本研究的主要目标是在自发语音中寻找特征，用于AD诊断测试的临床前评估，这些特征将定义对照组（CR）和三个AD级别。自动语音识