基于语义特征识别的阿尔茨海默病早期筛查方法

Early Screening Method for Alzheimer’s Disease Based on Semantic Feature Recognition

摘要: 阿尔茨海默病因其不可逆转的特性，早期筛查和治疗显得尤为重要。然而，传统的磁共振脑成像等筛查方法成本较高，难以广泛应用。相较之下，通过语音信号进行识别不仅便捷，而且更易于实现。本文提出了一种基于声音的语义特征筛查阿尔茨海默病的多分类器融合方法，利用机器学习技术，通过对语义特征的识别，实现对早期阿尔茨海默病患者的检测。本文收集了阿尔茨海默病患者的声音数据，构建了一个包含语义特征、受试者性别、年龄及SCS量表等特征的数据集。采用LASSO算法进行特征筛选后，构建了LR、RF、SVM、XGBoost等多种机器学习模型，并通过多分类器融合的集成方法实现阿尔茨海默病患者与正常人的分类。实验结果显示，本文方法的准确率达到89%，优于同类文献，能够有效辅助阿尔茨海默病的筛查。

Abstract: Alzheimer’s disease, due to its irreversible nature, makes early screening and treatment particularly important. However, traditional screening methods such as magnetic resonance imaging are costly and difficult to apply widely. In contrast, recognizing through voice signals is not only convenient but also easier to implement. This paper proposes a multi-classifier fusion method based on sound semantic feature screening for Alzheimer’s disease, utilizing machine learning techniques to detect early-stage Alzheimer’s patients through semantic feature recognition. We collected voice data from Alzheimer’s patients and constructed a dataset that includes semantic features, subject gender, age, and SCS scale among other characteristics. After feature selection using the LASSO algorithm, we built various machine learning models including LR, RF, SVM, and XGBoost, and achieved classification between Alzheimer’s patients and healthy individuals through an ensemble method of multi-classifier fusion. Experimental results show that the accuracy of this method reaches 89%, surpassing similar literature, and can effectively assist in the screening of Alzheimer’s disease.

1. 引言

阿尔茨海默病(Alzheimer Disease, AD)是最常见的痴呆症之一，约占所有痴呆症的60%~80% [1]。研究表明，随着年龄增长，个体患阿尔茨海默病的风险逐渐增加[2]。患者通常会经历记忆衰退、认知功能减退等症状，病情加重时还可能出现全身疼痛等并发症[3] [4]。由于目前尚无有效治疗阿尔茨海默病的方法，使得它成为影响人类健康的重要因素之一[5]。尽管阿尔茨海默病难以诊治，但早期的诊治对缓解疾病的进展有显著作用[6]。因此，建立一种筛查诊断阿尔茨海默病的模型至关重要。

当前的AD诊断方法主要包括脑部成像、临床评估和生物标志物检测[7]。然而，传统方法的就诊率低且费用高，患者难以获得及时治疗[8]。因此，越来越多的研究开始探索利用计算机算法辅助诊断阿尔茨海默病的可能性。例如，Zhang等人为提高AD识别率，通过MRI脑组织结合特征提取的方法成功区分阿尔茨海默病与癫痫[9]；陈雨提出了一种基于HarP数据集的多尺度特征学习并行网络（PMS-FL Net）来辅助诊断阿尔茨海默病[10]。此外，张军等人结合MRI图像数据提出了基于低秩学习的LRL模型用于阿尔茨海默病的诊断[11]。除了脑部数据，部分研究还提出了语音特征或语义特征在辅助诊断中的应用。黄鹏等提出了一种任务导向的语音特征表示方法，利用度量学习框架，使编码网络学习任务相关信息超越传统声学和语言学特征[12]。Ihab Hajjar等开发了结合词汇–语义与声学测量的阿尔茨海默病数字语音生物标志物，实验表明这些生物标志物能有效预测临床前和前驱性阿尔茨海默病的认知障碍[13]。Nicole D. Cilia等通过机器学习算法提取数据集中的特征值，进而评估受试者患病的概率[14]。

基于以上研究现状，本文提出了一种基于语义特征的阿尔茨海默病辅助诊断方法。为应对早期诊断昂贵且难发现的挑战，本文创建了语义特征数据集，并采用多模型融合方法，对模型权重分配进行创新，旨在解释模型的预测结果。实验表明，所提模型的准确率均高于80%，稳定性良好，最高可达90%，明显优于同类研究。同时，与传统检测方法相比，语音数据采集具有显著的成本优势。

2. 数据介绍及预处理

2.1. 数据采集

本次实验使用Shanghai Cognitive Screening (SCS) [15]作为认知评估工具。该工具在临床和研究中应用广泛，具有较高的权威性，尤其在识别老年轻度认知障碍(MCI)和阿尔茨海默病(AD)患者方面表现出优秀的准确性和结构效度。在本实验中，SCS作为评估标准，对受试者进行全面评分，重点评估他们在记忆、语言、执行功能、学习和记忆等认知领域的表现。

如图1所示，在数据采集过程中，所有受试者需由至少两名资深医师共同诊断，并在此之前接受全面的神经心理评估，包括MMSE、MoCA-B、听觉语言学习测试(AVLT)、波士顿命名测试(BNT)以及语言流畅性测试(如动物或水果清单)等，以协助医生评估患者的认知状态。根据诊断结果，受试者被分为认知健康组(阴性)和轻度认知障碍/阿尔茨海默病组(阳性)。数据采集采用三个模块的问答方式，受试者通过图像—语音交互识别四组图像问答，涉及水果、动物、家居用品和车辆。受试者在45秒内完成每组的图像学习、执行功能测试，以及两次自由延迟回忆和识别功能测试。最终，受试者的数据按0~20的评分标准进行评估。其中即刻回忆指立刻回忆观察到的每组图片名称，自由回忆指在所有组识别完后回忆内容，延时回忆指回忆出暂时看到的所有图片。本文对认知障碍患者在语言表达中的问题进行了总结，包括语义模糊、词句空洞、代词和语气词的使用，以及句子不连贯等。接着，本文通过上述步骤收到的全部信息，设计了多个文本语义特征及其提取规则。

Figure 1. Data collection process

图1. 数据采集流程

2.2. 数据集描述

本数据集包含320个样本，受试者年龄跨度从30岁到80岁，男女比例均衡，教育程度各异，且涵盖了不同的认知状态。其中包括176名认知健康者和144名认知有问题的患者，后者包括80名轻度认知障碍患者和31名阿尔茨海默病患者。本数据集共计21个特征属性，具体为：性别、年龄、受教育程度、SCS总分、自由回忆、数字符号转换、命名(水果，动物，家庭用品，交通工具)、即刻回忆(水果，动物，家庭用品，交通工具)、延时回忆、再认、重复、语气助词统计、all1 (“什么”、“啥”等短特征字汇总)、all2 (“不知道”；“想不起”等长特征字汇总)。

2.3. 数据预处理

为提取语义特征字，本文首先对原始数据中144个认知障碍患者在语言表达中的特点进行了总结，主要包括语义模糊、词句空洞、代词和语气词使用不当，以及句子不连贯等现象。接着本文将语音数据样本转换成文本格式，并对文本进行初步的语法和语义分析。在此基础上，对文本中的词汇和句子结构进行了整理，记录了常用词汇及其使用频次。通过对受试者的语音样本进行深入分析，本文提取了与阿茨海默病相关的17个特征字，如表1所示。

Table 1. Classification of feature words

表1. 特征字分类

	短特征字	长特征字	无统计学差异特征字
AD患者的偏向	忘、这个、什么、啊	说不出、讲不出、不知道	那个、啥、嗯、记不住、想不出
正常人的偏向		记不清

对提取的特征字，本文运用独立样本t检验计算筛选出有显著差异的特征字。独立样本t检验的表达式如式(1)所示。其中特征字中的“额”、“唔”和“呃”经过独立样本t检验后不符合样本特征要求，被剔除。

$t=\frac{\left({\overline{X}}_1-{\overline{X}}_2\right)}{\sqrt{s_c^2\left(\frac{1}{n_1}+\frac{1}{n_2}\right)}}$ (1)

式中：${\overline{X}}_1$ 与${\overline{X}}_2$ 为两个样本的平均值；$s_c^2$ 为合并方差；$n_1$ 和$n_2$ 代表两个样本的容量。经过筛选后保留的 14个特征字被整理成表1所示，该表表示了经过统计AD患者和正常人更偏向于表达的特征字，并根据语义表达的长短分为短特征字(all1)、长特征字(all2)与不明显/无统计学差异三类。

在语音转录中，少数语音样本由于采集环境背景声音过于嘈杂未能实现文本转换，本文最终筛选出254个有效样本用于后续的实验分析。这254个样本通过分层划分方法进行均衡选择，充分考虑了不同的条件因素，包括年龄、性别、教育程度及认知障碍的有无。得到的新数据集被人工划分为训练集(197个样本)与测试集(57个样本)。

2.4. 特征筛选

在对数据特征的相关性进行分析之前，本文首先对输入数据进行标准化处理。标准化可以提升模型的性能与稳定性，有效消除不同特征之间的量纲差异，从而使得各不相同的特征在同一尺度上进行比较。通过标准化，数据将被转换为均值为0、标准差为1的分布，其数学表达式(2)为：

$x^{*}=\frac{x-\min }{\max -\min }$ (2)

由于数据集的数据样本少但特征多，为避免模型出现欠拟合现象，本文对特征进行相关性排序，以筛选与目标变量相关性更高的特征。本文采用皮尔逊相关系数(Pearson correlation coefficient)作为衡量变量间线性相关性的客观标准，该系数在多个算法领域中具有重要意义，是评估不同变量相关性的常用方法之一。皮尔逊相关系数r的计算公式为：

$r=\frac{{{\displaystyle \sum }}_{i=1}^n\left(x_i-\overline{x}\right)\left(y_i-\overline{y}\right)}{\sqrt{{{\displaystyle \sum }}_{i=1}^n{\left(x_i-\overline{x}\right)}^2}\sqrt{{{\displaystyle \sum }}_{i=1}^n{\left(y_i-\overline{y}\right)}^2}}$ (3)

式中，$x_i$ 和$y_i$ 分别代表变量X和Y的第i个观测值；$\overline{x}$ 和$\overline{y}$ 分别是变量X和Y的样本均值；n为观测值的数量。皮尔逊相关系数r的介于−1到1之间，当r的值离0越近，则表示两个特征之间越不具有线性相关性，本文的皮尔逊相关系数r省略到小数点后2位。

为维持样本数与特征数之间的平衡性，控制模型的复杂度，避免过拟合训练数据情况的发生，本文通过使用LASSO (最小绝对收缩和选择算子)算法对所有特征进行筛选，找出最重要的几个特征。运用岭回归(Ridge Regression)线性回归算法计算不同λ值下的特征系数训练模型，以观察各特征对目标变量的影响程度。通过引入适当的正则化参数λ，控制模型的复杂度，提高模型的可解释性。其表达式为：

$L\left(\beta \right)={\Vert y-X\beta \Vert }^2+\lambda {\Vert \beta \Vert }^2$ (4)

式中，L(β)为岭回归的损失函数；β为函数的特征系数；y是目标变量；X是特征矩阵；λ表示正则化参数。

3. 模型方法介绍

3.1. 基分类器

3.1.1. XGBoost模型

本文采用XGBoost (Extreme Gradient Boosting)作为模型融合的基分类器，它是一种高效的梯度提升算法，结合了梯度提升的优点，并通过正则化、剪枝和并行处理等技术提高模型性能。XGBoost利用一阶导数(梯度)和二阶导数(海森矩阵)加速优化过程，从而实现更快的收敛。它还引入L1和L2正则化，限制模型参数以防止过拟合，并采用后剪枝技术在树构建后合并叶子节点，进一步降低模型复杂度。此外，XGBoost还支持并行计算，显著缩短训练时间。

3.1.2. RF模型

本文采用随机森林(Random Forest, RF)作为模型融合的基分类器，它是一种基于决策树的集成学习方法，通过随机选择特征和样本构建多棵决策树，以提升模型性能。每棵树作为弱学习器，利用投票机制(分类任务中采用多数投票，回归任务中取平均值)集成预测结果。RF还能通过随机化降低模型方差，减少过拟合风险，并可利用设定树的深度和叶子节点的最小样本数控制复杂度。此外，RF能够评估特征重要性，识别对预测结果影响最大的特征，在处理高维数据和复杂问题的处理中表现优异。

3.1.3. SVM_RBF模型

本文采用支持向量机径向基函数(SVM_RBF)作为模型融合的基分类器，它适用于非线性问题，是一种基于支持向量机(SVM)与径向基函数(RBF)核的分类模型。它通过将数据映射到高维空间以提高分类性能。RBF核能够捕捉复杂的决策边界，寻找最大间隔超平面来区分不同类别，这使得分类具有较好的稳健性和推广能力。该模型可以通过调整RBF核的参数(如宽度)和惩罚参数(C)来控制复杂度，降低过拟合风险。同时，SVM_RBF在处理高维特征空间时表现出色，能够有效应对噪声数据和小样本问题。

3.2. 基于Stacking的模型融合方法

本文采用Stacking方法进行了集成学习模型的构建。Stacking算法是集成学习的重要技术，具有良好的性能和可解释性，适合处理复杂数据，通过多个基学习器的预测结果输入到元学习器，提高了模型的泛化能力并降低过拟合风险，通常能超越单一分类器。如图2所示，它包含两层算法：第一层(level 0)包含Adaboost (Adaptive Boosting)、XGBoost (Extreme Gradient Boosting)、SVM (Support Vector Machine)、RF (Random Forest)和LightGBM (Light Gradient Boosting Machine) 5个基学习器；为防止过拟合并提高模型稳定性，将结构简单的LR (Logistic Regression)设为第二层(level 0)元学习器。通过在基学习器训练获得的预测结果构成新数据集，再输入元学习器中。元学习模块融合基分类器的预测，动态调整权重以提升整体性能，最终输出判别结果。

Figure 2. Stacking integrated learning model process

图2. Stacking集成学习模型

3.3. 基于集成模型的融合方法

本文选择了LR、RF、SVM_RBF和XGBoost这四种分类器作为基分类器，原因在于它们在性能和稳定性方面表现优异。通过决策融合策略将这四个模型融合为一个新的集成模型，图3为融合的具体流程，以下详细介绍该集成模型的构建方法和原理。

在完成四个基分类器的训练后，本文获得了每种基分类器对测试数据中每个样本的决策概率${\left[D_{i,0},D_{i,1}\right]}^{\text{T}}$ (其中，$D_{i,0}$ 表示正常概率，$D_{i,1}$ 表示异常概率)。通过融合策略采用动态分配权重的方法，结合下述的公式(5)~(7)为每个模型的决策概率赋予不同的权重。

$D_{i,\max }=\max \left(D_{i,0},D_{i,1}\right)$ (5)

${\omega }_i=\frac{D_{i,\max }}{{{\displaystyle \sum }}_{i=1}^n{D}_{i,\max }}$ (6)

${\left[D_{f,0},D_{f,1}\right]}^T={{\displaystyle \sum }}_{i=1}^n{W}_i\ast {\left[D_{i,0},D_{i,1}\right]}^T$ (7)

Figure 3. Block diagram of four model fusion algorithms

图3. 四种模型融合算法框架图

在式(5)中，本文获得了对测试数据中每个样本经过独立模型训练后的正常概率$D_{i,0}$ 和异常概率$D_{i,1}$ 。在式(6)中${\omega }_i$ 表示分配给每个模型在最终融合模型中所占的权重比例。式(7)中，n在本文等于4，表示用于融合的基分类器数量。$D_{f,0}$ 和$D_{f,1}$ 分别表示融合后样本被预测为正常和异常的决策概率值，${\left[D_{f,0},D_{f,1}\right]}^T$ 是每个模型的决策概率与对应权重占比相乘后得到的融合决策结果。

具体的融合步骤如下：首先，每种算法的输出通过范围为0到1的预测概率确定。在此基础上，获取每个样本在各个算法下被预测为正常和异常的决策概率值。接着，从预测概率中提取比较后较高的值，并利用公式(6)计算相对应的权重。计算出权重后，将其应用于各模型的决策概率，按照公式(7)计算出融合后的决策概率。最终输出是基于决策概率计算得出的，每个样本都有一个相应的决策概率，分类预测则依据这些概率进行。融合模型的新决策概率显示了每个测试样本被预测为各个类别的概率值，并且这些概率的总和始终为1。对于决策概率输出值较大的模型，算法将赋予其更大的权重，以此增强其在集成预测中的作用。这种加权设计使得在模型融合过程中，不同模型的影响程度各不相同。

4. 实验结果

4.1. 特征筛选

本文采用皮尔逊相关系数r来衡量语义特征的重要性，当目标变量接近0时，特征与目标变量之间的相关性较低。图4展示了该数据集的相关性矩阵热力图，其中皮尔逊相关系数r的数值保留到小数点后两位。

通过分析相关性矩阵热力图，SCS评分具有明显的最高特征相关性。在筛选出相关特征并去除无关项后，本文将最相关的前十个特征进行了排序，如图5所示。结果显示，SCS评分位居第一，延时回忆和自由回忆分别位列第二和第三，进一步表明这些特征之间存在较强的相关性。在图6所示的样本数据散点分布图中，X轴表示SCS评分，Y轴分别表示自由回忆和延时回忆。橙色和蓝色的散点分别代表患病与正常。通过该图可以清晰地看到，二分类特征的划分明显，显示出患病组和正常组之间的显著差异。

根据图7所示展示的特征排名前10的特征系数随λ变化的曲线，本文对特征进行了二次筛选。图中的每条不同颜色的曲线代表了各特征系数在不同λ值下的变化情况。分析结果显示，SCS特征的系数收敛速度最快，而其余特征的收敛速度则相对接近。SCS特征系数的快速收敛不仅表明其对模型的重要贡献，也反映了其在不同λ值下的稳定性，这表明SCS特征能够在不同的正则化强度下维持其影响力。因此，本文采用了收敛速度较快且特征重要性排名第一的SCS，特征重要性排名第二的自由回忆以及特征重要性排名第三的延时回忆。

Figure 4. Correlation matrix heat map

图4. 相关性矩阵热力图

Figure 5. Feature importance ranking

图5. 特征相关性排序图

Figure 6. Scatter distribution of sample data

图6. 样本数据散点分布图

Figure 7. Characteristic coefficient varies with lambda

图7. 特征系数随 Lambda 变化曲线

4.2. 阿尔茨海默病概率预测

4.2.1. 特征选择前后模型概率预测结果分析

特征筛选前根据题意，将数据集输入SVM_RBF、RF、LR、LightGBM、Adaboost、XGBoost和经过六种模型融合后的Stacking模型中，并结合AUC (Area Under the ROC Curve)、Recall (召回率)和Acc (准确率)这些评判标准。阿尔茨海默病作为一种疾病，其概率预测中召回率尤为重要，漏诊(未能识别出有病的患者)可能会导致严重后果。根据图8和表3可知，Adaboost模型的AUC值最高，为0.88，显示出最佳的正负样本区分能力。LightGBM和XGBoost的AUC分别为0.86和0.87，它们的表现也相对良好。在召回率方面，Stacking模型的Recall达到1.00，能够完全识别所有正例。而Adaboost的召回率为0.85，表现同样优秀。相对而言，其他模型如SVM_RBF和XGBoost的召回率较低，性能较差。在准确率方面，LightGBM和随机森林(RF)表现较为稳健，准确率分别为0.84和0.82，而XGBoost和Stacking的准确率较低，仅为0.54，可能与其高召回率相关，表明这两个模型更倾向于识别正例。

特征筛选后根据题意，本文将皮尔逊相关系数r筛选出SCS评分、自由回忆和延时回忆三个最重要的特征，构建了一个新的数据集。本文将此新数据集分别应用于鲁棒性好模型稳定的RF、LR和 XGBoost 中。结合表2的结果可知，将原数据集的全部特征进行分类预测时，XGBoost的AUC分数最高，RF和LR的Recall分数最高。将经过特征筛选后的数据集进行分裂预测时，XGBoost的AUC和Specificity分数最高，RF和Stacking的Recall分数最高，Stacking的Acc最高。经过对比，XGBoost和LR在筛选后的各项分数均有提升，Stacking和RF的有些指标略有下降，但结合总体指标，模型在在筛选后的总体性能更稳定。

Figure 8. The AUC curves of various models before feature selection

图8. 特征筛选前各模型AOC曲线图

Table 2. Evaluation table of model classification effects

表2. 模型分类效果评估表

模型类型	模型	AUC	Recall	Acc
全部变量	SVM_RBF	0.84	0.65	0.79
	RF	0.83	0.69	0.82
	LR	0.81	0.73	0.81
	LightGBM	0.86	0.73	0.84
	Adaboost	0.88	0.85	0.82
	XGBoost	0.87	0.64	0.54
	Stacking	0.87	1.00	0.54
筛选变量	SVM_RBF	0.83	0.65	0.81
	RF	0.85	0.81	0.70
	LR	0.86	0.73	0.81
	LightGBM	0.85	0.73	0.80
	Adaboost	0.85	0.81	0.82
	XGBoost	0.90	0.64	0.56
	Stacking	0.82	0.81	0.85

4.2.2. 基于集成模型的模型融合预测结果

基于集成学习模型决策融合的方法在经过特征筛选后，选取的四个基分类器的决策概率通过前文(5~7)的算法为每个模型的决策概率分配不同的权重结果结合各项指标如图9和表3所示，本文模型在阿尔茨海默病识别中表现出色，AUC值为0.89，显示出其在区分正负样本方面的强大能力，为临床诊断提供了可靠支持。其Recall达到1.00，意味着模型能够完美识别所有正例，在早期检测中至关重要，可以有效降低漏诊风险。

Figure 9. ROC plot of the model in this paper

图9. 本文模型的ROC曲线图

Table 3. Model effectiveness evaluation

表3. 本文模型效果评估表

模型	AUC	Recall	Acc
本文模型	0.89	1.00	0.64

4.2.3. 不同模型比较

如表4所示与文献[16]中代云强基于多种机器学习算法构建出的阿尔茨海默病诊断模型、文献[17]中刘金明提出的一种通过将注意力机制引入到卷积神经网络(Convolutional Neural Network, CNN)中以捕捉脑MRI中的局部变化识别阿尔茨海默病方法、文献[18]中郭瑞利用多模态融合识别早期阿尔茨海默病方法的准确率相比较，不难发现无论在同类型方法还是在不同类型方法的文献中，本文论述的实验方法较之现有的文献具有更强的预测性能。

Table 4. Performance comparison of different models

表4. 不同模型的性能比较

模型	AUC
文献[16]	0.84
文献[17]	0.84
文献[18]	0.87
stacking	0.87
本文方法	0.89

5. 结论

经过以上研究，本文得出以下结论：

1) 针对阿尔茨海默病的诊断方法，本文通过系统采集受试者的语音数据，构建了一个包含语义特征、性别、年龄及SCS量表等多种特征的数据集。并采用皮尔逊相关系数和Lasso算法对特征进行筛选，将21个特征筛选了3个特征组成新的数据集。将筛选后的新数据集在六个不同模型中进行验证，实验结果显示，经过筛选后的新数据集相较初始数据集，其准确率(Acc)、召回率(Recall)和AUC值大部分均有显著提升，所有模型的AUC值均超过80%，且召回率良好，AUC值最高可达90%，各模型的总体性能得到提升。

2) 针对阿尔茨海默病的诊断方法，本文提出了一种基于声音的语义特征筛查的多分类器融合方法，创建一个新型的集成学习模型算法融合四种基学习器，通过实验，89%的AUC值显示出融合后的新模型在区分正负样本方面的强大能力，弥补了单一分类器在特征学习方面的不足，使融合模型的效果得到了提升。其Recall值达到1.00，在阿尔茨海默病的诊断中可以有效降低漏诊风险。

在性能方面，本文所采用的所有模型准确率均超过80%，且具有良好的召回率，AUC值最高可达90%，显示出优于其他相关文献的方法。在方法论上，相较于传统检测手段，语音数据的采集显著降低了成本。尽管取得了一定的成果，本文仍存在一些不足之处。数据样本规模较小，导致对种族差异在阿尔茨海默病诊断中的影响尚未进行充分比较。因此，未来研究需在扩大样本量的基础上，进一步探索这一领域的影响，以弥补现有研究的不足。