Fugu-MT 論文翻訳(概要): Accelerating Psychometric Screening Tests With Bayesian Active Differential Selection

論文の概要: Accelerating Psychometric Screening Tests With Bayesian Active Differential Selection

arxiv url: http://arxiv.org/abs/2002.01547v1
Date: Tue, 4 Feb 2020 21:35:03 GMT
ステータス: 処理完了
システム内更新日: 2023-01-04 02:42:21.371935
Title: Accelerating Psychometric Screening Tests With Bayesian Active Differential Selection
Title（参考訳）: ベイジアン能動差分選択による心理測定検査の高速化
Authors: Trevor J. Larsen, Gustavo Malkomes, Dennis L. Barbour
Abstract要約: 本稿では,患者の心理指標関数の推定値の変化に対する迅速スクリーニング法を提案する。我々は,国立労働安全衛生研究所NIOSH(National Institute of Occupational Safety and Health NIOSH)の音声測定データを用いてアプローチを検証する。
参考スコア（独自算出の注目度）: 5.1779694507922835
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Classical methods for psychometric function estimation either require excessive measurements or produce only a low-resolution approximation of the target psychometric function. In this paper, we propose a novel solution for rapid screening for a change in the psychometric function estimation of a given patient. We use Bayesian active model selection to perform an automated pure-tone audiogram test with the goal of quickly finding if the current audiogram will be different from a previous audiogram. We validate our approach using audiometric data from the National Institute for Occupational Safety and Health NIOSH. Initial results show that with a few tones we can detect if the patient's audiometric function has changed between the two test sessions with high confidence.
Abstract（参考訳）: 古典的な心理測定関数推定法は過度な測定を必要とするか、目標の心理測定関数の低分解能近似しか生成しない。本稿では,ある患者の心理計測関数推定の変化を迅速にスクリーニングする新しい方法を提案する。ベイジアン能動モデル選択を用いて、従来のオーディオグラムと異なるものかどうかを素早く見つけることを目的として、純音音響グラムの自動検査を行う。我々は,国立労働安全衛生研究所のオーディオメトリックデータを用いて,我々のアプローチを検証する。最初の結果は、2つのテストセッションの間に患者の聴力関数が高信頼で変化したかどうかを数音で検出できることを示している。

関連論文リスト

Reproducible Machine Learning-based Voice Pathology Detection: Introducing the Pitch Difference Feature [1.1455937444848385]
本稿では,音声病理診断における現代的実践の徹底的な研究から得られた,ロバストな特徴セットを提案する。 K-Means Synthetic Minority Over-Sampling Technique(K-Means Synthetic Over-Sampling Technique)アルゴリズムを用いて,Sarbr"ucken Voice Database(SVD)のデータを含むこの機能セットを組み合わせる。提案手法は,音声病理診断における非重み付き平均リコールによって測定された最先端の性能を達成している。
論文参考訳（メタデータ） (2024-10-14T14:17:52Z)
Seq2seq for Automatic Paraphasia Detection in Aphasic Speech [14.686874756530322]
失語症は失語症の特徴である発話誤りであり、病気の重症度やサブタイプを評価する上で重要な信号である。伝統的に、臨床医は言語サンプルの翻訳と分析によってパラファシアを手動で識別する。本稿では,ASRと失語症検出の両方を行うために,エンドツーエンド(E2E)を訓練した新しいシーケンス・ツー・シーケンス(seq2seq)モデルを提案する。
論文参考訳（メタデータ） (2023-12-16T18:22:37Z)
Lightly Weighted Automatic Audio Parameter Extraction for the Quality Assessment of Consensus Auditory-Perceptual Evaluation of Voice [18.8222742272435]
提案手法は, ジッタ, 絶対ジッタ, シャマー, ハーモニック・ツー・ノイズ比 (HNR) , ゼロクロスという, 年齢, 性別, および5つの音響パラメータを利用する。その結果,提案手法は最先端技術(SOTA)手法と類似し,一般的な音声事前学習モデルを用いて得られた潜在表現よりも優れることがわかった。
論文参考訳（メタデータ） (2023-11-27T07:19:22Z)
Show from Tell: Audio-Visual Modelling in Clinical Settings [58.88175583465277]
臨床環境でのオーディオ・ビジュアル・モデリングを考察し、人間の専門的アノテーションを使わずに医学的表現を学習するためのソリューションを提供する。この目的のために, 単純かつ効果的なマルチモーダル自己教師型学習フレームワークを提案する。提案手法は,音声のみを基準として,超音波画像中の解剖学的関心領域をローカライズすることができる。
論文参考訳（メタデータ） (2023-10-25T08:55:48Z)
Detecting Speech Abnormalities with a Perceiver-based Sequence Classifier that Leverages a Universal Speech Model [4.503292461488901]
いくつかの神経疾患の音声反射異常を検出するPerceiver-based sequenceを提案する。このシーケンスとUniversal Speech Model (USM)を組み合わせ、1200万時間に及ぶ多様な音声録音をトレーニング(教師なし)する。我々のモデルは標準変圧器 (80.9%) および知覚器 (81.8%) モデルより優れ、平均精度は83.1%である。
論文参考訳（メタデータ） (2023-10-16T21:07:12Z)
Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文参考訳（メタデータ） (2023-08-09T07:51:40Z)
Anomalous Sound Detection using Audio Representation with Machine ID based Contrastive Learning Pretraining [52.191658157204856]
コントラスト学習を用いて、各音声サンプルではなく、各機械IDの音声表現を洗練する。提案手法では、コントラスト学習を用いて音声表現モデルを事前学習する。実験の結果,本手法はコントラスト学習や自己教師型分類を用いて最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2023-04-07T11:08:31Z)
Going Beyond the Cookie Theft Picture Test: Detecting Cognitive Impairments using Acoustic Features [0.18472148461613155]
標準化されたテストの音響的特徴は、認知障害者と非障害者とを確実に識別するために有効であることを示す。インタビューのランダムな音声サンプルから抽出した特徴でさえ、認知障害の識別要因であることを示す。
論文参考訳（メタデータ） (2022-06-10T12:04:22Z)
DLTTA: Dynamic Learning Rate for Test-time Adaptation on Cross-domain Medical Images [56.72015587067494]
DLTTAと呼ばれるテスト時間適応のための新しい動的学習率調整法を提案する。本手法は,現在最先端のテスト時間適応法よりも一貫した性能向上を図り,有効かつ高速なテスト時間適応を実現する。
論文参考訳（メタデータ） (2022-05-27T02:34:32Z)
Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
論文参考訳（メタデータ） (2021-03-23T08:19:21Z)
Generating diverse and natural text-to-speech samples using a quantized fine-grained VAE and auto-regressive prosody prior [53.69310441063162]
本稿では,より自然な音響サンプルを生成できる離散潜在空間における逐次前処理を提案する。本研究では,聴取試験,自動音声認識(ASR)性能の客観的指標,韻律特性の測定によるアプローチの評価を行った。
論文参考訳（メタデータ） (2020-02-06T12:35:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。