非退化性轻度认知障碍和临床前痴呆患者言语节奏差异的变化

摘要

这项研究探讨了与轻度认知损伤相关的几个语音参数，以及那些可能表明存在潜在神经退行性病变的参数。语音是一个很好的生物标记物，因为它不是侵入性的，更重要的是，它的分析是快速和经济的。我们的目的是确定典型的阿尔茨海默病患者的窥视模式也存在于该疾病的临床前阶段。为此，我们将使用一项包括大声朗读的任务。接下来是对记录的分析，寻找区分患有MCI的老年人和高发病率老年人的可能参数私奔性痴呆和那些不会这样做的MCI患者。我们发现，该疾病在发病前最有区别的参数包括言语持续时间的变化以及节奏率和强度的变化。这些参数似乎与老年AD患者词汇通达的最初困难有关。

1.介绍

轻度认知障碍(MCI)是一种非退行性异质前驱症状，涉及短期记忆过程的轻度认知衰退，以及注意力或词语表达能力的缺陷。这些变化在一定年龄和一定教育程度的人群中比预期的要大，但并不影响或干扰他们的日常生活[1.]．考虑到进行生物标志物检测的财务和个人成本，MCI往往未被诊断出来。此外，这种衰退通常归因于正常衰老，尽管其中一些可能掩盖了阿尔茨海默病(AD)的临床前阶段，而不是MCI。这一事实往往被忽视，因为只有15-20%的MCI患者随后发展为AD [2.]．早期诊断是很重要的，因为这将使家庭能够计划他们的未来，使病人参与控制危险因素，促进对疾病的研究，提供适当的护理，预见新的症状，并安排越早越有效的治疗。

研究人员目前关于痴呆症的首要目标是完善AD的早期筛查[3.，以区分患有典型MCI缺陷但没有AD的老年人和那些确实正在发展这种疾病的人。为此，我们关注其他更有可能揭示临床前缺陷的认知过程，如与语言产生相关的语言变化，特别是词汇和语义获取的障碍[4.]．Weiner等人[5.]发现痴呆症的严重程度与不同的语言指标之间存在密切联系;然而，对轻度至中度AD患者的研究结果[6.,7.]不能推广到疾病的早期阶段，那时代偿能力可能导致较细微的功能性语言障碍[8.]．然而，涉及MCI患者的具体研究发现了微妙的语言缺陷[9在涉及图像命名和语义测试的任务中，这通常反映在在给定的情况下找到正确的单词的问题上[10，更常见词汇使用频率的变化[11，自发性语言的时间变化[3.在语言流利性任务中有缺陷的[12]和音素性语言障碍，因为难以按正确的顺序发出语音[13]．

这意味着患有MCI的个体在他们的一般话语模式上存在差异，而不是在特定的言语参数上存在差异[14]自发言语产生涉及多种认知和心理过程的使用和协调，包括从语义记忆中恢复、注意言语、规划语音和发音过程以及规划句法[15].研究人员正试图识别语音标记，以区分那些MCI患者和那些不会发生AD的患者[16]．这些微语言变化似乎与与记忆无关的病理有关，而与句法和语音语言过程类似于逻辑openic进行性初级失语症(logopenic PPA或LPA， [17])。LPA患者的特点是语言规划不够密集和不准确[7.]，有找词困难，句法和语义简化，失语和迂回，所有症状也出现在AD的早期阶段[18]．

最近有几项研究试图通过语音分析的技术进步来识别MCI [19]．协调功能会对说话的节奏产生潜移默化的影响。MCI患者的语言特点是说话时间较长，因为存在口吃和发音不流畅，甚至可能中断讲话和更长的犹豫[20.]．也有较长的无声停顿(如没有发声的讲话)和较低的发音率[21]，包括有犹豫的说话速度和无犹豫的发音速度[22]．一些作者提出把对语言流的研究变成一种特别敏感的神经心理学方法，用于研究认知过程，如语言产生和规划[23].节奏的变化会影响语音单元的系统组织[24]:(1)音长;(2)音程;(3)基频与谱分析;(1)持续时间:不同的研究认为，言语持续时间的细微损伤是发声时间功能变化的标志[25]．MCI患者的言语持续时间更长;更低的语速，以及更多和更长的停顿[22]；或暂停的时间分布不适当[26]．一些开创性的研究认为句子的产生直接反映了话语的句法结构或句法复杂性[27,28]．Lehiste [28]指出，发音的持续时间是揭示句法结构的最清晰的线索，其基础是它们之间的关系:延长句法边界和增加停顿——在数量和长度上揭示，特别是在每个句法段边界之间揭示(2）音节间隔:Cera et al. [14]认为这些障碍与语音运动规划有关，语音运动规划导致发音不良，语音规划和音节节奏发生改变。节奏被定义为一种影响，包括某些类型的语音单元的等时重复[29]．尽管不同语言之间的差异(西班牙语被认为是音节计时的一个很好的例子)，但也有类似的参数，如发音率(衡量说话的速度，在计算中所有停顿都不包括在内)，语音节奏(包括4个节奏信号的时间变量:基本频率、音节持续时间、音节能量和频谱动力学)和语音比率(发声的时间-语音时间与总时间-语音时间加上语音停顿时间的比率)，即流利性(3）频率:其他研究认为，这种损伤与语音规划方面的问题有关[30.]由于声音执行控制的变化，这对发音的点、模式和张力有负面影响。一句话的音调曲线可能记录最后韵律边界或另一句话的延续中的音调偏差[31,32]．在发音的音高重音的音阶上也可能有偏差，前面的变化会影响音调序列的发展[33]．Fraser等人[7.]假设声音光谱特征的变化是AD初始开始时的特征变化，因为这会影响特殊质心参数，如mel频率倒谱系数（MFCC）、光谱能量、通量、方差、偏度、峰度和斜率(4）强度:最后，由于发音和韵律顺序的问题，强度参数也会发生变化。发音和发音方面的相互依赖已被反复证实[34]这些方面在阅读中显得尤为重要。事实上，像福多这样的作家[35再加上阅读中隐含的流畅性，可以重新分析文本的语义和句法结构，或者把每种语言的特色词汇组合成复杂的句子

我们的目的是调查这四个方面（语音持续时间、音节频率、频谱分析和声音强度控制），并验证这些参数是否记录了MCI患者与非退化性疾病（nodMCI）患者之间的统计差异以及有痴呆症临床前症状的MCI患者和可能发展为AD（preAD）的患者发言者使用基于超音段元素的语音流畅性来促进词汇识别及其句法成分。作为一个假设，我们认为这些细微的参数在控制语音流畅性方面的困难可能在临床上有助于揭示个体的言语流畅性和韵律表现的错综复杂。早期痴呆。

在预演研究中，我们获得了基于语音分析诊断阿尔茨海默病(VAD-AD， [36)，评估一个人的语言与非病理性衰老(NPS)或AD患者相对应的可能性。结果是，92.4%的病例被正确分类(97%的病例被预测为正态分类)。该算法使用的变量——与其他作者发现的参数相似——是年龄;每个发音中声音最小振幅的平均值(Amplit Min);每个语音的最大幅值差值的平均值(幅值差最大平均值);平均频率在频率区间内的位置(非对称性);第一个共振峰的标准差(sdF1);第三共振峰(f3b3)的带宽大小;音节核内音高轨迹(绝对音程之和)除以音长(ST/s) (Traj Intra);归一化成对变异指数(nPVI); the standard deviation of the harmonics-to-noise ratio (sdHNR), and the harmonics-to-noise ratio (HNR) extracted from the Acoustic Voice Quality Index (AVQI HNR). The characteristics identify people that have already developed AD.

然而，现在，我们使用了一组尚未出现MCI临床症状的MCI患者。我们相信，在这个样本中，我们可以找到新的和不同的变量，显示出疾病开始时的缺陷，也就是说，参数区分那些患有疾病和那些没有。因此，我们开始分析其他参数，理论上，在疾病的临床前阶段更敏感。被评估的语音和言语参数被分为不同的类别:(1)与流利性(持续时间、发声时间)和言语流利性相关的参数:我们分析了无犹豫时的音素每秒数(发音率)、有犹豫时的音素每秒数(言语率)和语音停顿数(停顿数);(2)语音节奏相关:我们分析了音节间隔数、音节间隔平均持续时间(syl_interv_daaverage)、音节间隔标准差(syl_interv_)Δ(standard)、音节间隔时长变异系数(syl_interv_dvarco)、nPVI。nPVI是两个连续音程之间的时长差除以相同音程的总和的平均值;(3)基频(F0均值)和语音信号幅值频谱分析得到的基频:不对称(重心在频率区间的一端或表现出特征偏斜度)、重心(CoG_Hz)表示集中大部分能量的光谱区域及其SD(离重心的平均距离)、而那些推导出来的平均频谱分析的声音信号的幅度，进行分析的长期平均频谱。LTAS以分贝(dB)表示频率范围内的语音能量，并量化声音的质量，标记出年龄和不和谐声音之间的差异。我们分析了50 kHz- 1 kHz、1 kHz-2 kHz、2 kHz-4 kHz频段的光谱LTAS均值和LTAS_sd;(4)能量(平均强度以dB和标准差表示);(5)语音质量相关度量，如连续语音周期之间音调波动的平均值(Jitter_loc)、连续语音周期之间振幅波动的平均值(Shimmer Loc_dB)、间断语音百分比(%间断语音)、和非谐波非周期语音分量与谐波周期分量的比值(谐波噪声比_hnr)，以及声学语音质量指数(AVQI) [37]在连接的语音索引上。

2.材料和方法

2．1．参与者

我们收集了86名MCI患者的话语，这些话语是由痴呆筛查测试(Dem-Detect， [38)，从现有研究中选出的众多演讲者。我们对每个参与者进行了三次神经心理学评估，包括完整的回忆、日常生活活动评估、认知和心理评估。更大的研究的纳入标准包括正常或纠正到正常的视力和听力，完成阅读任务的足够的教育水平(6年初等教育)，以及母语为西班牙语。参与者记录的平均分数如下:年龄，79.36 ( ,范围:60 - 96);受教育年限8.71 ( ）;30分中的23.41分( )在迷你精神状态检查（MMSE）中[39]);4.84 / 8 ( )在记忆障碍量表中，一项使用自由回忆和提示回忆来检索四个单词的测试[40];30中19 ( )在波士顿命名测验(简写版，[41]);31.70 words of 40 ( )语义范畴的流利性测试[42]．所有测量都反映了典型的MCI分数。当一个人在至少两项测试中没有超过认知正常的临界值时，他就被认为患有MCI。患有严重抑郁症(戈德堡测试>6)或其他严重精神障碍的参与者被排除在外。所有参与者均获得书面知情同意。

我们根据语音分析诊断阿尔茨海默病(VAD_AD算法，[36])，并对由此产生的两组nodMCI和preAD进行了测试，以比较为区分样本而提出的参数(见表)1.）.基于最终得分，该程序提供属于NPS和AD组的概率程度，其概率对应于与“正态性”相关的最终得分的每个值。因此，这个概率的补充应该被理解为“AD发展的概率”。这两类将定义要比较的两组:那些被定义为正常的被标记为没有mci痴呆。,individuals with a high probability of nondegenerative MCI (nodMCI)—while those linked to the probability of developing AD are labelled as having preclinical AD (preAD).

对结节mci患者的初步筛查包括73人(20名男性和53名女性;85%的人是老年人，平均年龄为78.73岁和8.78岁，而有可能的AD临床前状态(preAD)的人群包括13名老年人(4名男性和9名女性;占总数的15%，平均年龄82.92岁，受教育年限8.31年)。两组(见表1., Mann-Whitney值和概率)在年龄方面相等( ），受教育年限( ），和性别( , ）.在MMSE评估的认知心理状态方面，他们也相当( ），在以Isaacs测试评估的语义语言流利性测试中( ），在语音语言流利性测试中( ），在MIS量表的总价值中( ），以及在波士顿命名测验( ）.我们也没有发现戈德堡焦虑和抑郁量表测量的情绪状态有任何差异( ）.我们发现两组之间唯一的差异对应于Buschke MIS自由检索测试值( ），那些被定义为preAD的词记录较少的自由检索。

2．2．仪器

录音是在一个有噪音的隔音房间里录制的 使用便携式声波记录仪和头戴式冷凝器麦克风(来自远地点的MiC Plus)，放置在距离扬声器嘴约14厘米的地方。麦克风为动态单向心脏线，频率范围为20 Hz-20 kHz，灵敏度为2.5 mV/Pa (-52 dBV)，阻抗为600 ω。只有元音核被用于声学分析，这是人工进行的。每个声音都经过了编辑，使用了发声核，并丢弃了每个样本的攻击。

２．３．过程

这项研究是与阿尔茨海默病国家参考中心签订的长期合作协议中关于在养老院进行AD筛查的更广泛研究的一部分。该项目已获得萨拉曼卡州阿尔茨海默病参考中心（西班牙）伦理委员会的批准，一个隶属于社会事务部的中心。

神经认知评估分三次进行，每次一小时，由痴呆症评估中心的一位专业心理学家领导。录音时长约40-60分钟，包括参与者访谈和演讲录音。我们的研究方法是让个人阅读米格尔·德·塞万提斯(Miguel de Cervantes)的《堂吉诃德》(Don Quixote)的第一段。这一段在现代西班牙语中有126个音节。为了便于阅读，文章以48种字体显示在电脑屏幕上。重要的是，尽管这篇文章在发音上并不平衡，但它被特别选中是因为第一句话“En un lugar de la Mancha…”(在拉曼查的一个村庄…)对所有参与者来说都非常熟悉。第二句并非如此，这句话需要绷紧的流畅性。我们专注于更敏感的时间参数的研究[43包含在讲话节奏中的[32]．录音以16位振幅量化的44.1 kHz采样率单声道录制。使用Praat软件(6.0版)对每条记录进行分析。Praat在自相关(时域信号与自身的相关性)的基础上使用声周期检测确定基音[44]．这种技术比其他方法(如基于倒频谱或梳状图的方法)更精确、抗噪声和健壮。根据程序设计人员的建议，对男性使用75 Hz的音高下限和300 Hz的音高上限，对女性使用100-500 Hz的音高上限，汉宁窗长度为0.01 s [44]．

2.4.统计分析

使用Mann-Whitney软件比较非退行性MCI老年人和预期会发展为AD的老年人之间的语言参数考虑到两组病例大小的差异，对独立样本进行测试。

3.结果

表格2.显示了nodMCI组和preAD组在每个参数上的差异，以及每个参数的统计和相关概率值。两组之间差异显著的情况用星号标出。统计分析显示，preAD组和nodMCI组在不同参数下存在明显的知觉差异。

在语言流畅性和持续时间参数方面，我们发现两组在阅读时间( )及发声时间( ），preAD组的持续时间更长。本研究的主要焦点是节奏的中断，它使我们能够在分析元音和辅音音程的持续时间以及这些持续时间的标准差的同时，识别语言流畅性的变化。在语言流利度方面，我们没有发现发音比( )或语音比率( ）.然而，我们可以证实，preAD个体记录了更多的停顿( ）.在节奏参数方面，我们发现两组在音节间隔数( ），preAD组的音程更长，音程持续时间的标准差更大(syl_interv_ . .Δ斯坦达尔， ）.对语音节奏的分析揭示了nPVI ( ），与nodMCI相比，preAD患者的节律变异性更高。我们也没有发现音节间隔的平均持续时间(syl_interv_daaverage， )或音节间隔持续时间的变异系数（Syll_Interv_DVarco， ）.

基频参数方面，两组基频无差异(F0， ）.该参数可能由性别差异决定，确认女性使用频率高于男性( , ）.我们检查了这两组人是否在性别上有任何差异，我们没有发现在男性和女性之间有任何差异。关于谱分析的参数，非对称值( ,VAD-AD的参数显示，在发生痴呆症的高概率个体中，能量浓度呈显著的负偏斜，而在未发生痴呆症的个体中，能量浓度呈显著的负偏斜。两组之间的重心频率值没有差异（焦耳）， ），但两组之间的谱重心扩散程度标准差存在差异，后者在痴呆风险人群中较高(CoG_sd， ）.分析声强对共振峰及其各自能量的频率值的调整的语音质量指标是通过长期平均频谱(LTAS)测量的。我们发现两组之间存在显著差异，可能的preAD个体的总体频谱强度较低(Ltas_mean， ），它们的平均标准差也更低(Ltas_stdesv， ）.两组在50 ~ 1000hz的低频范围内强度差异显著( ）.强度的差异出现在女性身上(Ltas_mean， ;Ltas_stdesv, ;低频范围在50到1000之间 赫兹， ），但在男性中没有(Ltas_mean， ;Ltas_stdesv, ;低频范围在50到1000之间 赫兹， ）.这种效应在1000hz以上的高频中不出现。

关于强度参数，我们确实发现平均振幅（强度dB平均值， ），preAD组使用较低的平均强度。当我们考虑性别时，女性之间存在显著差异。 ），但不是在男人中间。振幅标准差(强度dB_sd， ）.我们没有发现VAD-AD参数振幅差异最大平均值有任何差异( )及最小放大( ）.在Amplit Difference Max Mean men ( )或女性（0.25），或男性（0.68）或女性（0.25）。

最后，关于声音质量的总体参数，我们没有发现两组之间的声音噪声标准值有任何差异，例如谐波噪声比（HNR，0.281）或声学声音质量指数（AVQI， ）.然而，正如我们在这些值中所看到的，两组都提供了语音障碍的临床证据，其值大于6(0正常音障碍和10语音障碍之间的分值大约在3分左右[45]).构成AVQI、抖动值（本地、， ），微光（Loc_dB，0.199）和声音中断（%）， ）.

4.讨论

这项研究再次揭示了使用神经心理学测试进行AD症状前诊断所涉及的困难，因为筛查测试在语音类型接近AD（preAD）的个体和没有这些语音特征（nodMCI）的个体之间的各种量表上没有显着差异。在这两组中，当老年人要求进行认知评估时，他们在MMSE中的平均得分为23/24分，这将他们归入MCI组。预计这一组中的一小部分人会出现隐匿的、渐进的但缓慢的认知下降，这一时期可能会持续三到六年，具体取决于n多个因素，如年龄、心血管健康状况或认知储备。相比之下，MCI的其余部分预计不会出现渐进性认知恶化。只有MIS测试的免费检索分数显示了两组之间的差异，这导致我们和许多其他学者提出了短期记忆的重要性没有预测AD提示的记忆任务[38]．

值得注意的是，在我们的研究中，nodMCI组的规模比preAD组大得多。除了通过比较两组相同规模的研究所获得的审美愉悦外，不平等样本规模本身没有什么不寻常或不准确的地方。在我们的设计中，属于每一组的数据不能随机分配。样本规模平衡源于设计。根据定义，准实验设计缺乏随机分配，即研究中参与者对条件的分配是预先确定的，而不是由研究者操纵的[46]．影响后评估设计总是这样，例如，诊断限制[47]．因此，我们组的规模与每个组在总人口中所代表的规模成正比。预计preAD组(15%)小于nodMCI组(85%)。

可以认为，这两组之间的大小差异可能会影响他们的异质性，从而影响结果，即年龄、性别或社会背景的差异。然而，在我们的研究中，情况并非如此。我们做了很大的努力来匹配参与者的任何可能影响演讲表现的重要特征[48]值得注意的是，在疾病的临床前阶段，年龄、性别、精神和情感状态在两组之间没有表现出差异。

然而，当我们检验两个样本的同方差性时，我们发现在Levene的年龄检验中有一个显著值( , ），筛查AD的关键因素。应该注意的是，在小样本情况下，直方图上显示的数据可能是倾斜的。如果我们被迫使用小样本，我们也可能被迫使用非参数检验。为了最小化这种可能的影响(这也可以通过Levene的测试进行修正)，使用非参数测试似乎是谨慎的，例如Mann-Whitney测试测试。当因变量连续时，此测试用于比较两个独立组。Mann-Whitney检验是非参数等价于两样本 -测试。而 -检验对总体(即样本来自正态分布的总体)进行假设，即曼-惠特尼检验检验没有作出这样的假设。的Mann-Whitney检验有几个优点，包括当方差相等和正态性的假设被违反时更有统计能力;当这些假设没有被违背时，它们几乎可以和参数化的假设一样强大;小样本量是可以接受的，就我们的研究而言[49]．

在痴呆症患者的研究中，不同的样本量和使用非参数检验是常见的。声音研究如López-De-Ipiña等[50， Hoffmann等[23或Beltrami等人[51都遵循了这条道路。

至于12个参数研究中使用,已被证明是重要的区分那些患有轻度认知障碍可能会或可能不会发展广告,只有两个参数的VAD-AD记录两组之间的差异:偏态(不对称的光谱特性)和nPVI(发音节奏变化)。这证实了阿尔茨海默病的语言障碍特征与该疾病临床前阶段的参数之间的差异。此外，它证明了在整个疾病过程中语言的进化是合理的。

这项研究的重点是，语言节奏的指标在多大程度上可以作为预测MCI患者未来痴呆症发展的参数，以及这些结果是否可以帮助解释与AD早期损害有关的语言过程。结果表明，细微的变化会影响语音的持续时间、语音的流畅性、语音的频谱分布，甚至语音的平均强度。在发声时长方面，preAD组阅读同一段的时间更长，发声时间更长，停顿时间更长。

节奏指标的值显示了组间的一些显著差异，preAD样本发声的音节间隔更多，也有更多的时间变异性。而序贯归一化音节对(nPVI)的平均持续时间值具有较低的语音周期性或等时性，其标准差值考虑了音节比和间隔数。这些数据似乎将preAD患者定义为有更多不精确的话语和结巴，在句法边界有更多的言语停顿，音节边界的数量变异性更大，节奏变异性更高，周期性和等时性更低。这些特征的存在将与未来的痴呆症发展有关。相比之下，讲话时间的增加似乎不是由于发音和讲话速度的减慢，而是由于讲话流利性的变化。在认知衰退的早期阶段，特定的神经机械通路不会显示任何损害。

至于老年人基本频率的参数，它们似乎在疾病发作的这些初始阶段没有改变。差异的缺乏并不取决于性别。至于光谱分析，那些患痴呆症风险更高的人确实记录了他们声音光谱强度的变化。他们将精力集中在更高的频率上，具有更大的可变性和重心扩散，而那些不会患痴呆症的人有更大的偏斜度，倾向于低频率。然而，更具体的值，如LTAS记录了两组之间的声音强度的差异，平均强度的变异性更小。这种影响在低频频谱和女性中尤其明显。与共振峰1有关的低于1000赫兹的频率和这些结果似乎引起紧张的发声[52在低频率。然而，少数有可能患痴呆症的男性病例削弱了这种性别差异。

在声音的强度方面，我们发现患痴呆症概率高的人表达自己的平均强度比不会患痴呆症的人低。在女性中差异显著;女性失去了更多的声音强度。我们没有发现言语强度的其他变化。在语音质量方面，我们发现两组都清晰地记录了相似的语音困难值，这是衰老过程中语音变化的典型特征。在AVQI测量的一般语音质量或抖动、微光和HNR等其他特定值上，我们也没有发现它们之间的任何差异。

这些发现对在痴呆症早期阶段描述言语表现时使用声学指标具有指导意义。患有MCI的老年人需要很多年才能形成明确的未来痴呆症发作的神经心理学症状。这些人在生活的其他方面有记忆丧失和其他损害的主观感觉，但这些并不是功能失调。这项研究表明，言语表现中某些特定节奏特征的存在使这些个体不同，揭示了在规划演讲时无法感知到的微妙问题，从而区分患有MCI的个体，这些个体或多或少可能发展为AD。我们发现，这些特征与老年人的音调、声学和语音测量等无关。在大多数情况下，它们是发音速度的特征，持续时间和强度。preAD组的特点是不恰当的停顿行为、低音量、流利程度的变化、单调的语调，在某些情况下，说话节奏较低。然而，并非所有这些都被认为是无序的节奏。相反，这种缺陷主要与神经源性言语障碍患者的言语时间变化和发音系统之间协调性差有关[53]．最后，我们获得的与痴呆症发生概率相关的一般参数似乎证实了临床前痴呆症与病程、频谱特征和发音节奏参数之间的关系。获得“高概率的痴呆症”概况，以及神经心理学测试中指出的认知缺陷的存在，可能是痴呆症存在的关键指标，这必须通过生物标志物来证实。

这项研究结果的确认必须包括验证参与这项研究的MCI个体的临床表现，需要他们的纵向监测来跟踪他们未来的进化，并对他们的声音样本进行受试者内比较[8.].关于将参与者分配给任何一组，这是根据一种算法完成的，该算法通过语音分析提供了发展AD的可能性。当该算法应用于MCI患者的语音样本时，由于该算法不是一个异质组，因此可以根据其d建立两个不同的子组与非病理性衰老患者的言语或与AD患者的言语相似程度。因此，本文中的预后仅基于概率模型，对本研究结果的确认必然涉及验证参与i在这项研究中，需要对他们进行纵向监测，以跟踪他们未来的进化，并对他们的语音样本进行受试者内比较[8.]．作为未来的工作，明确特定的神经功能障碍在言语改变中的作用将是有趣的。

附录

答:原始版本

在拉曼查（La Mancha）的一个村庄里，我不想想起这个名字，不久就有一位绅士住在那里，他在枪架上放着一把长矛，一个老牛仔，一条瘦削的小马，还有一只猎犬，一只牛肉比羊肉多的奥利，大多数晚上吃沙拉，周六吃残渣，周五吃扁豆，还有一只鸽子等等星期天的额外收入，占他收入的四分之三。

b .翻译版本

联合国卢格拉曼,de cuyo数量没有爱你acordarme,没有哈大》,vivia联合国伊达尔戈de los德兰扎En astillero adarga安提瓜,rocin做y galgo corredor。Una olla de algo más vaca que carnero, salpicón las más noches, duelos y quebrantos los sábados, lantejas los viernes, algún palomino de añadidura los domingos, consumían las tres partes de su hacienda。

数据可用性

本研究的数据矩阵可由编辑要求查阅。用于支持本研究结果的矩阵数据受到促进萨拉曼卡健康老龄化和预防与老年大学老化过程相关的认知问题的单位的限制，以保护患者隐私。可从胡安·何塞·加西亚·梅兰处获得，meilan@usal.es适用于符合获取机密数据标准的研究人员。

的利益冲突

作者声明他们没有利益冲突。

参考文献

1. K. Ritchie和J. Touchon，《轻度认知障碍:概念基础和目前的gnosological status》，《柳叶刀》第355期9199页，225-228页，2010。浏览：出版商的网站|谷歌学者
2. F.Jessen，B.Wiese，C.Bachmann等人，“通过主观记忆损伤预测痴呆症：严重程度和时间关联与认知损伤的影响，”普通精神病学档案，第67卷，第5期4，页414-422,2010。浏览：出版商的网站|谷歌学者
3. C. Laske, H. R. Sohrabi, S. M. Frost等人，“阿尔茨海默病早期检测的创新诊断工具”，阿尔茨海默氏症和老年痴呆症，第11卷，第5期。5, pp. 561-578, 2015。浏览：出版商的网站|谷歌学者
4. 李义秀，“老年痴呆症患者的语言加工:从时间参数的角度”，国际科学认知研究杂志，第11卷，第420-425页，2017年。浏览：谷歌学者
5. M. F. Weiner, K. E. Neubecker, M. E. Bret，和L. S. Hynan，《阿尔茨海默病中的语言》，临床精神病学杂志，第69卷，第2期8，第1223-1227页，2008。浏览：出版商的网站|谷歌学者
6. K.福布斯-麦凯，M. F. Shanks和a . Venneri，《分析阿尔茨海默病中自发的语言衰退:一项纵向研究》，神经精神学报，第25卷，第2期6, pp. 320-327, 2013。浏览：出版商的网站|谷歌学者
7. K. C. Fraser, J. A. Meltzer，和F. Rudzicz，《语言特征在叙事语言中识别阿尔茨海默病》，阿尔茨海默病杂志，第49卷，第49期。2, pp. 407-422, 2015。浏览：出版商的网站|谷歌学者
8. K. D. Mueller, R. L. Koscik, B. P. Hermann, S. C. Johnson, and L. S. Turkstra，“连接性语言能力的下降与早期的轻度认知障碍有关:这是来自威斯康辛老年痴呆症预防登记处的结果。”衰老神经科学前沿， 2018年第9卷，第437页。浏览：出版商的网站|谷歌学者
9. G. Szatloczki, I. Hoffmann, V. Vincze, J. Kalman, M. Pakaski，“从老年痴呆症的角度来说，这是早期迹象吗?阿尔茨海默病中语言能力变化的重要性衰老神经科学前沿， 2015年第7期。浏览：出版商的网站|谷歌学者
10. P. Garrard, V. Rentoumi, B. Gesierich, B. Miller，和M. L. Gorno-Tempini，“机器学习方法在语义性痴呆话语中的诊断和侧性影响，”皮质， vol. 55, pp. 122-129, 2014。浏览：出版商的网站|谷歌学者
11. V. Baldas, C. Lampiris, C. Capsalis，和D. Koutsouris，“使用连续语音识别的阿尔茨海默氏型痴呆症的早期诊断”无线移动通信和医疗保健。MobiHealthJ. C. Lin和K. S. Nikita, Eds。， pp. 105-110，施普林格，2011。浏览：出版商的网站|谷歌学者
12. C. Manouilidou, B. Dolenc, T. Marvin, Z. Pirtošek，“在轻度认知障碍中处理复杂伪词:保存形态规则知识与认知能力受损的交互作用，”临床语言学和语音学，第30卷，第1期，第49-67页，2016年。浏览：出版商的网站|谷歌学者
13. A. Wutzler, R. Becker, G. Lämmler, W. Haverkamp, E. Steinhagen-Thiessen，“老年人早期认知障碍语言障碍的预期比例指标”，老年痴呆症和老年认知障碍第36卷第2期5-6页，300-309页，2013。浏览：出版商的网站|谷歌学者
14. M. L. Cera, K. Z. Ortiz, P. H. F. Bertolucci，和T. Minett，《阿尔茨海默病中的语音和语音方面》，失语症学，第32卷，第2期1, pp. 88-102, 2017。浏览：出版商的网站|谷歌学者
15. E. J. Barbeau, M. Didic, S. Joubert等，“轻度认知障碍中语义记忆障碍的程度和神经基础”，阿尔茨海默病杂志第28卷第2期4, pp. 823-837, 2012。浏览：出版商的网站|谷歌学者
16. k . Lopez-de-Ipina J.-B。Alonso, C. Travieso等，“基于语音分析的无创方法的选择，面向自动阿尔茨海默病诊断”，传感器，第13卷，第2期5, pp. 6730-6745, 2013。浏览：出版商的网站|谷歌学者
17. M. L. Cera, K. Z. Ortiz, P. H. F. Bertolucci，和T. S. C. Minett，《阿尔茨海默病中的语言和口面失用症》，国际老人精神科，第25卷，第10期，第1679-1685页，2013年。浏览：出版商的网站|谷歌学者
18. S. Ahmed, a . M. F. Haigh, C. a . de Jager和P. Garrard，“在经尸检证实的阿尔茨海默氏病中，连接语言作为疾病进展的标志，”大脑，第136卷，第12期，第3727-37372013页。浏览：出版商的网站|谷歌学者
19. A. Satt, R. Hoory, A. König, P. Aalten，和P. H. Robert，“基于语音的非常早期痴呆的自动和稳健检测”，在国际言语交流协会第十五届年会， pp. 2538-2542，新加坡，2014。浏览：谷歌学者
20. B.Roark，M.Mitchell，J.P.Hosom，K.Hollinghead和J.Kaye，“检测轻度认知损伤的口语衍生测量方法，”《IEEE音频、语音和语言处理汇刊》，第19卷，第7期，第2081-209012011页。浏览：出版商的网站|谷歌学者
21. W. Jarrold, B. Peintner, D. Wilkins等，“通过基于计算机的自发性言语分析辅助诊断痴呆类型”，在计算语言学和临床心理学研讨会:从语言信号到临床现实，第27-37页，巴尔的摩，马萨诸塞州，美国，2014。浏览：谷歌学者
22. L. Toth, I. Hoffmann, G. Gosztolya等人，“基于语音识别的解决方案，用于自动检测来自自发语音的轻度认知障碍，”阿尔茨海默病研究现状，第15卷，第5期。2, pp. 130-138, 2018。浏览：出版商的网站|谷歌学者
23. I. Hoffmann, D. Németh, C. D. Dye, M. Pákáski, T. Irinyi，和J. Kálmán，“阿尔茨海默病中自发语言的时间参数”，国际语言病理学杂志，第12卷，第1期，第29-34页，2010年。浏览：出版商的网站|谷歌学者
24. W.J.Barry，B.Andreeva，M.Russo，S.Dimitrova和T.Kostadinova，“节奏测量能告诉我们语言类型吗？”第15届国际公共卫生会议论文集，页2693-2696，巴塞罗那，2003。浏览：谷歌学者
25. G. Gosztolya, V. Vincze, L. Tóth, M. Pákáski, J. Kálmán, I. Hoffmann，“使用ASR和语言特征识别基于自发言语的轻度认知障碍和轻度阿尔茨海默病”，计算机语音与语言，第53卷，第181-19712019页。浏览：出版商的网站|谷歌学者
26. R. S. Bucks, S. Singh, J. M. Cuerden，和G. K. Wilcock，《阿尔茨海默氏型痴呆的自发对话性言语分析:对分析词汇表现的客观技术的评价》，失语症学第14卷第2期1，页71-91,2000。浏览：出版商的网站|谷歌学者
27. D. H. Klatt，“元音延长是在连贯的话语中由句法决定的，”《语音学，第3卷，第2期。3，页129-140,1975。浏览：出版商的网站|谷歌学者
28. I.Lehiste，“句法歧义的语音消歧，”美国声学学会杂志，第53卷，第53期1, 1973。浏览：出版商的网站|谷歌学者
29. D.阿伯克龙比，通用语音学要素，爱丁堡大学出版社，1967年。
30. M.R.McNeil，D.A.Robin和R.A.Schmidt，“言语失用症”，在感觉运动语言障碍的临床治疗，M.R.McNeil主编，第249-268页，蒂姆，纽约州纽约市，美国，第二版，2009年。浏览：谷歌学者
31. C.Gussenhoven，声调和语调的音系学，剑桥大学出版社，剑桥，英国，2004年。
32. M.Wagner和D.G.Watson，“韵律的实验和理论进展：综述，”语言与认知过程，第25卷，第7-9号，第905-9452010页。浏览：出版商的网站|谷歌学者
33. H. Truckenbrodt， "关于句法短语和语音短语之间的关系"语言调查，第30卷，第2期2，页219-255,1999。浏览：出版商的网站|谷歌学者
34. R.Schulman，“大声和正常语音的发音动力学，”美国声学学会杂志第85卷第1期1，页295-312,1989。浏览：出版商的网站|谷歌学者
35. J.D.Fodor，“言语韵律”，摘自心理语言学离不开韵律，第83-90页，法国普罗旺斯艾克斯，2002年。浏览：谷歌学者
36. F. Martínez-Sánchez, J. J. G. Meilán, J. Carro，和O. Ivanova，“语音分析诊断阿尔茨海默病的原型，”阿尔茨海默病杂志号，第64卷。2，第473-481页，2018。浏览：出版商的网站|谷歌学者
37. Y. Maryn, P. Corthals, P. van Cauwenberge, N. Roy, M. de Bodt，“提高整体声音质量声学测量中的生态效度:结合连续语音和持续元音，”语音杂志，第24卷，第5期，第540-555页，2010年。浏览：出版商的网站|谷歌学者
38. J. Pena-Casanova, R. Blesa, M. Aguilar等，“西班牙多中心规范研究(神经瘤项目):方法和样本特征”，临床神经心理学档案，第24卷，第2期4，第307-319页，2009。浏览：出版商的网站|谷歌学者
39. M. F. Folstein, S. E. Folstein, and P. R. McHugh， "迷你精神状态":临床医生对患者认知状态进行分级的实用方法，"精神病学研究杂志，第12卷，第2期3，第189-198页，1975年。浏览：出版商的网站|谷歌学者
40. H. Buschke, G. Kuslansky, M. Katz等人，“用记忆障碍筛查痴呆症”，神经学，第52卷，第2期，第231-238页，1999年。浏览：出版商的网站|谷歌学者
41. 卡普兰，古德格拉斯和温特劳布，波士顿命名测验，李和费比格，费城，1983年。
42. B. Isaacs和a . J. Akhtar， " set test: a rapid test of mental function in elderly people， "年龄和衰老，第一卷，第4期，第222-226页，1972年。浏览：出版商的网站|谷歌学者
43. S. R. Baum, S. E. Blumstein, M. A. Naeser，和C. L. Palumbo，“辅音和元音产生的时间维度:失语症语言的声学和CT扫描分析，”大脑和语言第39卷第3期1，第33-56页，1990。浏览：出版商的网站|谷歌学者
44. P. Boersma和D. Weenink，“Praat:用计算机[计算机程序]做语音学。版本6.0.37，“2018,2018年3月，http://www.praat.org.浏览：谷歌学者
45. G. B.肯普斯特，B. R. Gerratt, K. Verdolini Abbott, J. Barkmeier-Kraemer，和R. E. Hillman，“声音的一致听觉-知觉评估:标准化临床方案的发展”，美国语言病理学杂志第18卷第2期2, pp. 124 - 132,2009。浏览：出版商的网站|谷歌学者
46. W.R.Shadish、T.D.Cook和D.T.Campbell，广义因果推理的实验和拟实验设计，霍顿米夫林公司，波士顿，2002年。
47. I.Montero和O.León，“精神病研究机构的分类和描述，”国际临床与健康心理学杂志， 2002年第2卷，第503-508页。浏览：谷歌学者
48. H. White和S. Sabarwal，准实验设计和方法，方法简介：影响评估8，联合国儿童基金会研究办公室，佛罗伦萨，2014。
49. A. P. King和R. J. Eckersley，《推论统计学III:非参数假设检验》，载生物医学工程师和科学家的统计数据金(A. P. King)和埃克斯利(R. J. Eckersley)。，第119-145页，Elevier, 2019。浏览：出版商的网站|谷歌学者
50. K. López-De-Ipiña, U. Martinez-De-Lizarduy, P. M. Calvo等，“阿尔茨海默病早期检测的自动语音分析进展:非线性多任务方法”，阿尔茨海默病研究现状，第15卷，第5期。2，第139-148页，2018。浏览：出版商的网站|谷歌学者
51. D. Beltrami, G. Gagliardi, R. Rossini Favretti, E. Ghidoni, F. Tamburini，和L. Calzà，“通过自然语言处理技术进行语音分析:一种很早就发现认知能力下降的可能工具?”衰老神经科学前沿，第10卷，第369页，2018年。浏览：出版商的网站|谷歌学者
52. R. Pinczower和J. Oates，“演员的声音投射:区分舒适的表演声音和最大投射的男性演员的声音的长期平均光谱特征，”语音杂志第19卷第2期3, 2005。浏览：出版商的网站|谷歌学者
53. a .洛伊特(a . Lowit)，《言语紊乱中韵律问题的量化:重新评估》(Quantification of rhythm problems in disorder in speech)，英国皇家学会哲学学报B，第369卷，第1658号，第20130404条，2014年。浏览：出版商的网站|谷歌学者

版权

版权所有©2020 Juan J. G. Meilán等。这是一篇发布在知识共享署名许可协议，允许在任何媒介上不受限制地使用、传播和复制，但必须正确引用原作。