Prediction of brain structural characteristics from speech using acoustic-linguistic biomarkers
Year: 2026
Type: dissertation
Abstract: V priebehu posledných niekoľkých desaťročí sa zvýšil počet ľudí s diagnostikovanými neurodegeneratívnymi ochoreniami. Ak by sa digitálne biomarkery a algoritmy strojového učenia dali využiť na predpovedanie štrukturálnych charakteristík mozgu, výrazne by to znížilo záťaž pre pacientov. V tejto práci sa skúma možnosť využitia rečových biomarkerov na predpovedanie kortikálnej hrúbky v jednotlivých oblastiach mozgu. Z nahrávok spontánnej reči a ich prepisov sa extrahujú akustické a lingvistické príznaky. Na extrakciu akustických príznakov bola použitá knižnica Disvoice s dodatočnými úpravami. Pre lingvistické príznaky bolo použité označovanie slovných druhov (Part-of-Speech) z nástroja stanza. Pre neinterpretovateľné príznaky boli extrahované sémantické vektory z rôznych vrstiev modelov BERT a CzeGPT-2. Testovali sa tri typy modelov: modely trénované iba na interpretovateľných príznakoch, modely trénované iba na neinterpretovateľných príznakoch a modely trénované na interpretovateľných aj neinterpretovateľných príznakoch s použitím včasnej alebo neskorej fúzie. V tejto práci boli testované architektúry neurónových sietí, lineárnej regresie a XGBoost. Na vyhodnotenie najlepších modelov bola použitá stratifikovaná krížová validácia (Stratified K-Fold). Po získaní počiatočných výsledkov boli modely s najlepším výkonom následne testované pomocou krížovej validácie typu leave-one-out na piatich oblastiach mozgu. Spomedzi hodnotených oblastí dosiahli modely najlepšie výsledky pri predikcii insuly v ľavej aj pravej hemisfére. Najlepšie výsledky modelu včasnej fúzie sa podarilo dosiahnuť pomocou regresného modelu XGBoost, ktorý bol natrénovaný na vybraných príznakoch odvodených z analýzy hlavných komponentov (PCA) z 12. vrstvy modelu CzeGPT-2, interpretovateľných biomarkeroch a demografických príznakoch, vrátane veku, vzdelania a pohlavia. Tento model dosiahol priemernú percentuálnu chybu (MAPE) 0,0403, koeficientu determinácie (R2) 0,1105 a mieru chyby odhadu (EER) 0,1188. V prípade neskorej fúzie modely neprekonali modely trénované iba na interpretovateľných príznakoch. Najlepšie výsledky dosiahol model trénovaný s použitím výberu interpretovateľných príznakov, veku a vzdelania, s MAPE 0,0383, R2 0,1444 a EER 0,0991.
Author: Vengerová, Veronika
Language: English
Subfield: Psychiatry and Mental health
Field: Medicine
Domain: Health Sciences
Open Access status: green
OpenAlex ID: W7165496937
