論文の概要: Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato
- arxiv url: http://arxiv.org/abs/2003.10806v1
- Date: Tue, 24 Mar 2020 12:49:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-20 09:43:05.373492
- Title: Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato
- Title(参考訳): 声の摂動とビブラートの分析に基づくBulbar ALS検出
- Authors: Maxim Vashkevich and Alexander Petrovsky and Yuliya Rushkevich
- Abstract要約: 本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。
そこで我々は,音声信号から測定値の計算に必要な基本周期への分離手順の強化を提案した。
- 参考スコア(独自算出の注目度): 68.97335984455059
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: On average the lack of biological markers causes a one year diagnostic delay
to detect amyotrophic lateral sclerosis (ALS). To improve the diagnostic
process an automatic voice assessment based on acoustic analysis can be used.
The purpose of this work was to verify the sutability of the sustain vowel
phonation test for automatic detection of patients with ALS. We proposed
enhanced procedure for separation of voice signal into fundamental periods that
requires for calculation of perturbation measurements (such as jitter and
shimmer). Also we proposed method for quantitative assessment of pathological
vibrato manifestations in sustain vowel phonation. The study's experiments show
that using the proposed acoustic analysis methods, the classifier based on
linear discriminant analysis attains 90.7\% accuracy with 86.7\% sensitivity
and 92.2\% specificity.
- Abstract(参考訳): 生物学的マーカーの欠如は、筋萎縮性側索硬化症(ALS)を検出するために1年間の診断遅延を引き起こす。
診断プロセスを改善するために、音響解析に基づく自動音声アセスメントを用いることができる。
本研究の目的は,ALS患者の自動検出のための持続母音発声テストの有用性を検証することである。
そこで我々は,摂動測定(ジッタやシマなど)の計算に必要な基本周期に音声信号を分離する手法を提案する。
また, 母音発声における病的ビブラート症状の定量的評価法を提案した。
実験により, 線形判別分析に基づく音響解析手法を用いて, 感度86.7\%, 特異92.2\%で90.7\%の精度が得られた。
関連論文リスト
- 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) - EEG Connectivity Analysis Using Denoising Autoencoders for the Detection
of Dyslexia [0.0]
LEEDUCA研究は、低リズム韻律(0.5-1Hz)、音素(4-8Hz)、音素(12-40Hz)で振幅変調(AM)雑音を聴く小児の脳波実験を行った。
本研究の目的は、これらの違いが存在するかどうか、また、言語の違いによる子どものパフォーマンスと、ディフレキシーの検知に一般的に使用される認知的タスクとの関連性を確認することである。
論文 参考訳(メタデータ) (2023-11-23T09:49:22Z) - 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) - Learning to diagnose cirrhosis from radiological and histological labels
with joint self and weakly-supervised pretraining strategies [62.840338941861134]
そこで本稿では, 放射線学者が注釈付けした大規模データセットからの転写学習を活用して, 小さい付加データセットで利用できる組織学的スコアを予測することを提案する。
我々は,肝硬変の予測を改善するために,異なる事前訓練法,すなわち弱い指導法と自己指導法を比較した。
この方法は、METAVIRスコアのベースライン分類を上回り、AUCが0.84、バランスの取れた精度が0.75に達する。
論文 参考訳(メタデータ) (2023-02-16T17:06:23Z) - Ontology-aware Learning and Evaluation for Audio Tagging [56.59107110017436]
平均平均精度(mAP)は、異なる種類の音をそれらの関係を考慮せずに独立したクラスとして扱う。
オントロジー認識平均平均精度(OmAP)は、評価中にAudioSetオントロジー情報を利用することで、mAPの弱点に対処する。
我々は人間の評価を行い、OmAPはmAPよりも人間の知覚と一致していることを示した。
論文 参考訳(メタデータ) (2022-11-22T11:35:14Z) - Exploiting prompt learning with pre-trained language models for
Alzheimer's Disease detection [70.86672569101536]
アルツハイマー病(AD)の早期診断は予防ケアの促進とさらなる進行の遅らせに不可欠である。
本稿では,AD分類誤差をトレーニング対象関数として一貫して用いたPLMの高速微調整法について検討する。
論文 参考訳(メタデータ) (2022-10-29T09:18:41Z) - Exploring linguistic feature and model combination for speech
recognition based automatic AD detection [61.91708957996086]
音声ベースの自動ADスクリーニングシステムは、他の臨床スクリーニング技術に代わる非侵襲的でスケーラブルな代替手段を提供する。
専門的なデータの収集は、そのようなシステムを開発する際に、モデル選択と特徴学習の両方に不確実性をもたらす。
本稿では,BERT と Roberta の事前学習したテキストエンコーダのドメイン微調整の堅牢性向上のための特徴とモデルの組み合わせ手法について検討する。
論文 参考訳(メタデータ) (2022-06-28T05:09:01Z) - Assessing clinical utility of Machine Learning and Artificial
Intelligence approaches to analyze speech recordings in Multiple Sclerosis: A
Pilot Study [1.6582693134062305]
本研究の目的は, 音声記録を用いた多発性硬化症の診断, バイオマーカー抽出, 進展モニタリングを支援するための機械学習と深層学習/AIアプローチの臨床的有用性を検討することである。
ランダムフォレストモデルは、バリデーションデータセットの精度0.82、トレーニングデータセットの5k倍サイクルの面積0.76の精度を達成した。
論文 参考訳(メタデータ) (2021-09-20T21:02:37Z) - Discriminative Singular Spectrum Classifier with Applications on
Bioacoustic Signal Recognition [67.4171845020675]
分析や分類に有用な特徴を効率的に抽出する識別機構を備えた生体音響信号分類器を提案する。
タスク指向の現在のバイオ音響認識法とは異なり、提案モデルは入力信号をベクトル部分空間に変換することに依存する。
提案法の有効性は,アヌラン,ミツバチ,蚊の3種の生物音響データを用いて検証した。
論文 参考訳(メタデータ) (2021-03-18T11:01:21Z) - Classification of ALS patients based on acoustic analysis of sustained
vowel phonations [0.7106986689736825]
Amyotrophic lateral sclerosis (ALS)は急速に進行する経過を用いる不治の神経学的障害です。
ALSの初期の症状は、摂食と発話が困難である。
本研究では,健常者とALS患者を分離する自動システムに対する音声評価手法を提案する。
論文 参考訳(メタデータ) (2020-12-14T08:56:53Z)
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。