@techreport{oai:ipsj.ixsq.nii.ac.jp:00229490,
 author = {曽我部, 博司 and 沼尾, 雅之},
 issue = {3},
 month = {Nov},
 note = {現在，認知症の検査方法として臨床心理士や医師による神経心理学的検査や MRI 検査が行われているが，医療リソースの圧迫や患者への侵襲性の高さが問題となっている．会話から認知症の自動検出が可能となれば，医療機関の負担軽減や侵襲性の低いスクリーニングが実現できる．そこで本稿では，対照群付き高齢者コーパスから代名詞割合などの言語特徴量及び無音時間割合などの時間特徴量を抽出し，認知症を識別する機械学習モデルを構築した．モデルにはランダムフォレスト (RF)，サポートベクターマシン (SVM)，ロジスティック回帰 (LR) を使用し，(I) 全ての特徴量を使用，(II) ジニ不純度に基づく特徴量選択，(III) 主成分分析＋ジニ不純度に基づく特徴量選択，といった 3 つの場合におけるモデルの精度を AUC により比較した．その結果 (III) にて RF を用いて構築したモデルの AUC は 0.91 となり，先行研究と比較して高い精度を示した．},
 title = {言語及び音声の時間特徴に基づく会話からの認知症傾向の判定},
 year = {2023}
}