論文の概要: Identification of Dementia Using Audio Biomarkers

• arxiv url: http://arxiv.org/abs/2002.12788v1
• Date: Thu, 27 Feb 2020 13:54:00 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-28 09:07:18.412297
• Title: Identification of Dementia Using Audio Biomarkers
• Title（参考訳）: 音声バイオマーカーを用いた認知症診断
• Authors: Rupayan Chakraborty, Meghna Pandharipande, Chitralekha Bhat, and Sunil Kumar Kopparapu
• Abstract要約: 本研究の目的は、認知症のステージを自動的に識別するために、音声処理と機械学習技術を使用することである。 非言語的音響パラメータはこの目的のために使われ、言語に依存しないアプローチとなっている。 我々は, スペクトル, 時間, ケプストラム等の音響特性の寄与と, 認知症ステージの同定への選択について分析した。
• 参考スコア（独自算出の注目度）: 15.740689461116762
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dementia is a syndrome, generally of a chronic nature characterized by a deterioration in cognitive function, especially in the geriatric population and is severe enough to impact their daily activities. Early diagnosis of dementia is essential to provide timely treatment to alleviate the effects and sometimes to slow the progression of dementia. Speech has been known to provide an indication of a person's cognitive state. The objective of this work is to use speech processing and machine learning techniques to automatically identify the stage of dementia such as mild cognitive impairment (MCI) or Alzheimers disease (AD). Non-linguistic acoustic parameters are used for this purpose, making this a language independent approach. We analyze the patients audio excerpts from a clinician-participant conversations taken from the Pitt corpus of DementiaBank database, to identify the speech parameters that best distinguish between MCI, AD and healthy (HC) speech. We analyze the contribution of various types of acoustic features such as spectral, temporal, cepstral their feature-level fusion and selection towards the identification of dementia stage. Additionally, we compare the performance of using feature-level fusion and score-level fusion. An accuracy of 82% is achieved using score-level fusion with an absolute improvement of 5% over feature-level fusion.
• Abstract（参考訳）: 認知症は、一般的に認知機能の低下を特徴とする慢性的な疾患であり、特に高齢者において、日常生活に影響を及ぼすほど重篤である。 認知症の早期診断は、効果を緩和し、時には認知症の進行を遅らせるためのタイムリーな治療に不可欠である。 発話は、人の認知状態を示すものとして知られている。 本研究の目的は,軽度認知障害 (MCI) やアルツハイマー病 (AD) などの認知症を自動診断するために,音声処理と機械学習技術を使用することである。 この目的のために非言語的音響パラメータが使われ、言語に依存しないアプローチとなっている。 The Pitt corpus of DementiaBank database から抽出した臨床参加者による音声の抜粋を分析し,MCI, AD, および健康な(HC)音声とを最もよく区別する音声パラメータを同定した。 スペクトル, 時間, ケプストラム, 特徴量融合, 選択といった様々な音響的特徴の認知症ステージの同定への寄与を分析した。 さらに,機能レベルの融合とスコアレベルの融合の性能を比較する。 スコアレベルの融合では82%の精度が得られ、特徴レベルの融合よりも5%向上した。

関連論文リスト

• Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
  本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。 我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。 分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
  論文  参考訳（メタデータ） (2024-05-03T02:59:15Z)
• Identification of Cognitive Decline from Spoken Language through Feature Selection and the Bag of Acoustic Words Model [0.0]
  記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。 臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。 この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
  論文  参考訳（メタデータ） (2024-02-02T17:06:03Z)
• Dementia Assessment Using Mandarin Speech with an Attention-based Speech Recognition Encoder [0.4369058206183195]
  本稿では,マンダリン話者に適した認知症評価システムを構築するために,音声認識モデルを利用する。 99名の被験者からマンダリン音声データを収集し, 地域病院から臨床評価を得た。 アルツハイマー病の診断では92.04%の精度で, 平均絶対誤差は9%であった。
  論文  参考訳（メタデータ） (2023-10-06T03:04:11Z)
• Hyper-parameter Adaptation of Conformer ASR Systems for Elderly and Dysarthric Speech Recognition [64.9816313630768]
  ファインチューニングは、多くの非高齢および健康な音声事前訓練モデルを利用するためにしばしば用いられる。 本稿では,Librispeech corpus 上で事前学習した Conformer ASR システムのハイパーパラメータ適応について検討する。
  論文  参考訳（メタデータ） (2023-06-27T07:49:35Z)
• Leveraging Pretrained Representations with Task-related Keywords for Alzheimer's Disease Detection [69.53626024091076]
  アルツハイマー病(AD)は高齢者に特に顕著である。 事前学習モデルの最近の進歩は、AD検出モデリングを低レベル特徴から高レベル表現にシフトさせる動機付けとなっている。 本稿では,高レベルの音響・言語的特徴から,より優れたAD関連手がかりを抽出する,いくつかの効率的な手法を提案する。
  論文  参考訳（メタデータ） (2023-03-14T16:03:28Z)
• Conformer Based Elderly Speech Recognition System for Alzheimer's Disease Detection [62.23830810096617]
  アルツハイマー病(AD)の早期診断は、予防ケアがさらなる進行を遅らせるのに不可欠である。 本稿では,DementiaBank Pitt コーパスをベースとした最新のコンバータに基づく音声認識システムの開発について述べる。
  論文  参考訳（メタデータ） (2022-06-23T12:50:55Z)
• Investigation of Data Augmentation Techniques for Disordered Speech Recognition [69.50670302435174]
  本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。 正常な音声と無秩序な音声の両方が増強過程に利用された。 UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
  論文  参考訳（メタデータ） (2022-01-14T17:09:22Z)
• Multi-modal fusion with gating using audio, lexical and disfluency features for Alzheimer's Dementia recognition from spontaneous speech [11.34426502082293]
  本論文は、自発音声(ADReSS)によるアルツハイマー認知症への挑戦である。 本研究の目的は、音声データからアルツハイマー病の重症度の自動予測を支援する方法を開発することである。
  論文  参考訳（メタデータ） (2021-06-17T17:20:57Z)
• NUVA: A Naming Utterance Verifier for Aphasia Treatment [49.114436579008476]
  失語症(PWA)患者の治療介入に対する反応の診断とモニタリングの両立のための画像命名タスクを用いた音声性能評価 本稿では,失語症脳卒中患者の「正しい」と「正しくない」を分類する深層学習要素を組み込んだ発話検証システムであるNUVAについて述べる。 イギリス系英語8ヶ国語でのテストでは、システムの性能精度は83.6%から93.6%の範囲であり、10倍のクロスバリデーション平均は89.5%であった。
  論文  参考訳（メタデータ） (2021-02-10T13:00:29Z)
• Predicting Early Indicators of Cognitive Decline from Verbal Utterances [2.387625146176821]
  認知症 (Dementia) は、記憶障害、コミュニケーション障害、思考過程を引き起こす、不可逆的、慢性的、進歩的な神経変性疾患のグループである。 神経心理学試験における発話の言語的特徴を用いて,高齢者コントロールグループ,MCI,アルツハイマー病(AD)とADの鑑別が可能かを検討した。 以上の結果から, 高齢者の言語発話, MCI, AD, ADの区別が, 文脈的, 心理言語学的特徴の組合せによって改善されることが示唆された。
  論文  参考訳（メタデータ） (2020-11-19T02:24:11Z)
• Detecting Parkinsonian Tremor from IMU Data Collected In-The-Wild using Deep Multiple-Instance Learning [59.74684475991192]
  パーキンソン病(英: Parkinson's Disease、PD)は、60歳以上の人口の約1%に影響を与える徐々に進化する神経学的疾患である。 PD症状には、震動、剛性、ブレイキネジアがある。 本稿では,スマートフォン端末から受信したIMU信号に基づいて,PDに関連するトレモラスなエピソードを自動的に識別する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-06T09:02:30Z)

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。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。