Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
알츠하이머병 탐지를 위해 음성 데이터의 의미, 의존, 공기 그래프를 결합한 멀티 뷰 게이트형 그래프 어텐션 네트워크를 제안합니다. ADReSSo 데이터셋 실험 결과 90%의 높은 정확도를 기록하며 임상적 이질성에 대한 대응력을 입증했습니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기자발적 발화(Spontaneous speech)는 알츠하이머병(Alzheimer's Disease, AD)을 위한 중요한 비침습적 바이오마커이지만, 많은 시스템이 병리적 언어에서 나타나는 비선형적 구조적 붕괴와 임상적 이질성(clinical heterogeneity)을 간과하고 있습니다. 본 연구에서는 자동 음성 인식(Automatic Speech Recognition, ASR)을 통해 오디오를 전사하여 의미(semantic), 의존(dependency), 공기(co-occurrence) 그래프를 구축함으로써, "콘텐츠-구조-흐름(content-structure-flow)" 프레임워크를 통해 발화를 특징짓는 멀티 뷰 게이트형 그래프 어텐션 네트워크(Multi-View Gated Graph Attention Network)를 제안합니다. 특히, 공기 그래프는 규범 코퍼스(normative corpus)로부터 점별 상호 정보량(Pointwise Mutual Information, PMI)을 활용하여 서사적 논리와 언어적 편차를 정량화합니다. 증상적 다양성에 대응하기 위해, 적응형 게이트 융합(adaptive gated fusion) 메커니즘이 이러한 뷰들을 동적으로 통합합니다. ADReSSo 데이터셋을 통해 평가한 결과, 우리 모델은 90.00%의 정확도를 달성했습니다. 어블레이션(Ablation) 결과는 PMI 기반 그래프와 이질성 인식 게이팅(heterogeneity-aware gating)이 다양한 임상 집단에 걸쳐 견고한 분류를 수행하는 데 필수적임을 확인시켜 줍니다. 소스 코드는 https://github.com/opeacc/AD 에서 공개적으로 사용할 수 있습니다.