인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
이용 49
초록·키워드
전 세계적으로 고령화는 진행중이며 인간의 수명과 노인의 비율이 증가하면서 노인성 질병의 확률과 치매 환자는 계속적으로 증가 추세이다. 치매는 노인의 우울감과
삶의 질에 영향을 주는 질환으로 독립적으로 생활할 수 없는 사회적으로 경제적으로 위험한 질환이다. 현재 치매 치료제는 병의 진행을 늦추거나 조기에 발견할 경우 훈련을 통한 방법밖에 없다. 조기에 치매를 진단하는 것은 현재 시점에서 가장 중요한 단계이며 최근 비대면으로 치매를 진단하거나 인공지능을 통한 예측 연구들이 진행되고 있다. 본 논문에서는 사람의 음성을 통해 치매를 조기 예측하는 것을 목표로 한다. 오디오 분류 모델로 Audio Spectrogram Transformer 분석 모델을 적용하며 언어권에 따라서 치매 예측에 연구를 진행하였다. 또한 한국어와 외국어 데이터를 비교 분석하여 언어권이 다른 상황에서 모델 성능의 차이를 살펴본다. 본 논문에서 사용된 모델의 외국어 데이터에서의 정확도는 82%이며 한국어 데이터의 경우 81%의 정확도를 달성했다. 이는 음성으로 치매를 분류할 때 언어는 중요한 요인으로 볼 수 없음을 나타낸다.
삶의 질에 영향을 주는 질환으로 독립적으로 생활할 수 없는 사회적으로 경제적으로 위험한 질환이다. 현재 치매 치료제는 병의 진행을 늦추거나 조기에 발견할 경우 훈련을 통한 방법밖에 없다. 조기에 치매를 진단하는 것은 현재 시점에서 가장 중요한 단계이며 최근 비대면으로 치매를 진단하거나 인공지능을 통한 예측 연구들이 진행되고 있다. 본 논문에서는 사람의 음성을 통해 치매를 조기 예측하는 것을 목표로 한다. 오디오 분류 모델로 Audio Spectrogram Transformer 분석 모델을 적용하며 언어권에 따라서 치매 예측에 연구를 진행하였다. 또한 한국어와 외국어 데이터를 비교 분석하여 언어권이 다른 상황에서 모델 성능의 차이를 살펴본다. 본 논문에서 사용된 모델의 외국어 데이터에서의 정확도는 82%이며 한국어 데이터의 경우 81%의 정확도를 달성했다. 이는 음성으로 치매를 분류할 때 언어는 중요한 요인으로 볼 수 없음을 나타낸다.
목차
- 제1장 서론 11.1 연구 배경 11.2 논문 구성 및 기여 4제2장 배경지식 62.1 음성학적 특징 62.2 전이 학습 102.3 Attention Mechanism 14제3장 관련연구 163.1 음성 분류 예측 연구 163.2 치매예측 연구 213.3 Transformer Model 24제4장 Transformer 기반 분류모델 284.1 모델 아키텍처 284.2 파인 튜닝 32제5장 실험 및 결과 355.1 실험 환경 355.2 데이터셋 365.3 비교 분석 415.4 평가 지표 45제6장 결론 486.1 연구 결과 486.2 향후 연구 50참고문헌 51Abstract 59
최근 본 자료 전체보기
