Fugu-MT 論文翻訳(概要): Detecting and analysing spontaneous oral cancer speech in the wild

論文の概要: Detecting and analysing spontaneous oral cancer speech in the wild

arxiv url: http://arxiv.org/abs/2007.14205v1
Date: Tue, 28 Jul 2020 13:38:33 GMT
ステータス: 処理完了
システム内更新日: 2022-11-06 03:12:06.669197
Title: Detecting and analysing spontaneous oral cancer speech in the wild
Title（参考訳）: 野生における自発性口腔癌音声の検出と解析
Authors: Bence Mark Halpern, Rob van Son, Michiel van den Brekel, Odette Scharenborg
Abstract要約: われわれは,YouTubeから収集した3時間の自発性口腔癌音声データセットを提示し,分析した。このデータセットに基づいて口腔癌音声検出タスクのベースラインを設定した。これらの説明可能な機械学習ベースラインの分析は、自発性口腔癌発声の検出において、シビラントと停止子音が最も重要な指標であることを示している。
参考スコア（独自算出の注目度）: 14.649925302661021
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Oral cancer speech is a disease which impacts more than half a million people worldwide every year. Analysis of oral cancer speech has so far focused on read speech. In this paper, we 1) present and 2) analyse a three-hour long spontaneous oral cancer speech dataset collected from YouTube. 3) We set baselines for an oral cancer speech detection task on this dataset. The analysis of these explainable machine learning baselines shows that sibilants and stop consonants are the most important indicators for spontaneous oral cancer speech detection.
Abstract（参考訳）: 口腔がんは、毎年世界中で50万人以上の人々に影響を及ぼす病気である。口腔癌音声の分析は,これまで読解音声に焦点をあててきた。本稿では, 1)現在及び現在 2) youtube から収集した3時間の自発的な口腔癌音声データセットの解析。 3)本データセットに基づいて口腔癌音声検出タスクのベースラインを設定した。これらの説明可能な機械学習ベースラインの分析は、自発性口腔癌発声の検出において、シビラントと停止子音が最も重要な指標であることを示している。

関連論文リスト

Self-supervised Speech Models for Word-Level Stuttered Speech Detection [66.46810024006712]
自己教師付き音声モデルを利用した単語レベルの発声音声検出モデルを提案する。本評価は, 単語レベルの発声検出において, 従来の手法を超越していることを示す。
論文参考訳（メタデータ） (2024-09-16T20:18:20Z)
Non-Invasive Suicide Risk Prediction Through Speech Analysis [74.8396086718266]
自動自殺リスク評価のための非侵襲的音声ベースアプローチを提案する。我々は、wav2vec、解釈可能な音声・音響特徴、深層学習に基づくスペクトル表現の3つの特徴セットを抽出する。我々の最も効果的な音声モデルは、6.6.2,%$のバランスの取れた精度を達成する。
論文参考訳（メタデータ） (2024-04-18T12:33:57Z)
NeuroVoz: a Castillian Spanish corpus of parkinsonian speech [36.23298373892936]
NeuroVozは、平均26.88 pm 3.35$のオーディオ録音2,903枚で構成されている。このデータセットは、すでにいくつかの研究を基盤にしており、PD音声パターン識別のベンチマーク精度は89%に達している。
論文参考訳（メタデータ） (2024-03-04T16:17:39Z)
Evaluating Large Language Models for Radiology Natural Language Processing [68.98847776913381]
大規模言語モデル(LLM)の台頭は、自然言語処理(NLP)分野における重要な転換点となっている。本研究は, 放射線学報告の解釈において, 30 個の LLM を批判的に評価することにより, このギャップを埋めることを目指している。
論文参考訳（メタデータ） (2023-07-25T17:57:18Z)
Probing Brain Context-Sensitivity with Masked-Attention Generation [87.31930367845125]
我々は、GPT-2変換器を用いて、一定量の文脈情報をキャプチャする単語埋め込みを生成する。そして、自然主義的なテキストを聴く人間のfMRI脳活動を予測することができるかどうかを検証した。
論文参考訳（メタデータ） (2023-05-23T09:36:21Z)
Decoding speech perception from non-invasive brain recordings [48.46819575538446]
非侵襲的な記録から知覚音声の自己教師付き表現をデコードするために、コントラスト学習で訓練されたモデルを導入する。我々のモデルでは、3秒のMEG信号から、1,000以上の異なる可能性から最大41%の精度で対応する音声セグメントを識別できる。
論文参考訳（メタデータ） (2022-08-25T10:01:43Z)
Deep Learning Applications for Lung Cancer Diagnosis: A systematic review [1.0312968200748116]
米国では毎年20万人以上の患者が特定されている。ディープラーニングアルゴリズム、特に畳み込みニューラルネットワーク(CNN)は、疾患を自動的に診断する優れた方法となっている。本研究の主な目的は、深層学習に基づく肺癌における課題を特定することである。
論文参考訳（メタデータ） (2022-01-01T18:29:11Z)
Speech Toxicity Analysis: A New Spoken Language Processing Task [32.297717021285344]
ヘイトスピーチ(英: hate speech)またはヘイトスピーチ(英: hate speech)は、今日のオンラインソーシャルメディアを悩ませる重要な問題の1つである。音声音声から有害性を検出する新しい音声言語処理タスクを提案する。 DeToxyは、様々な公開音声データベースから得られた英語音声に対する、初めて公開された毒性アノテートデータセットである。
論文参考訳（メタデータ） (2021-10-14T17:51:04Z)
Deep Learning for Automatic Pneumonia Detection [72.55423549641714]
肺炎は小児の主要な死因であり、世界でも最多死亡率の1つである。コンピュータ支援診断システムは診断精度を向上させる可能性を示した。本研究では, 単発検出, 圧縮励起深部畳み込みニューラルネットワーク, 拡張, マルチタスク学習に基づく肺炎領域検出のための計算手法を開発した。
論文参考訳（メタデータ） (2020-05-28T10:54:34Z)
Analysing the Extent of Misinformation in Cancer Related Tweets [6.409065843327199]
がんを専門に話すツイートに関するデータセットを提示する。本稿では,その拡散に伴う誤情報の自動検出のための注意に基づくディープラーニングモデルを提案する。この分析は、不正なツイートに関連する様々な社会的側面に関する関連する洞察を集めるのに役立ちます。
論文参考訳（メタデータ） (2020-03-30T17:44:42Z)
COVID-19 and Computer Audition: An Overview on What Speech & Sound Analysis Could Contribute in the SARS-CoV-2 Corona Crisis [10.436988903556108]
新型コロナウイルス(COVID-19)の感染者は3カ月以上前から1万人を超えており、SARS-CoV-2として知られている。本稿では,コンピュータ・オーディション(CA)の可能性,すなわち人工知能による音声・音声分析の利用について概説する。 CAは(前)診断および監視ツールの実装の準備が整っているという結論に達し、より一般的には、リッチで重要な、そしてこれまでは、新型コロナウイルスとの戦いにおいて、未解決の可能性を秘めている。
論文参考訳（メタデータ） (2020-03-24T21:17:44Z)

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。