論文の概要: Classification of Huntington Disease using Acoustic and Lexical Features

• arxiv url: http://arxiv.org/abs/2008.03367v1
• Date: Fri, 7 Aug 2020 20:32:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-02 02:05:04.386343
• Title: Classification of Huntington Disease using Acoustic and Lexical Features
• Title（参考訳）: 音響的特徴と語彙的特徴を用いたハンチントン病の分類
• Authors: Matthew Perez, Wenyu Jin, Duc Le, Noelle Carlozzi, Praveen Dayalu, Angela Roberts, Emily Mower Provost
• Abstract要約: ハンティントン病(HD)のバイオマーカーとしての音声 言語の変化は、病気が進行するにつれて重篤度が増加する。 現在では、訓練された専門家が手作業で作成した書き起こしや、世界規模の評価尺度を用いて分析が行われている。 本稿では,このようなシステム開発に向けた第一歩として,音声の手がかりを用いて,健康的なコントロールとHDの個人を区別する能力を示す。
• 参考スコア（独自算出の注目度）: 17.26090329820167
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Speech is a critical biomarker for Huntington Disease (HD), with changes in speech increasing in severity as the disease progresses. Speech analyses are currently conducted using either transcriptions created manually by trained professionals or using global rating scales. Manual transcription is both expensive and time-consuming and global rating scales may lack sufficient sensitivity and fidelity. Ultimately, what is needed is an unobtrusive measure that can cheaply and continuously track disease progression. We present first steps towards the development of such a system, demonstrating the ability to automatically differentiate between healthy controls and individuals with HD using speech cues. The results provide evidence that objective analyses can be used to support clinical diagnoses, moving towards the tracking of symptomatology outside of laboratory and clinical environments.
• Abstract（参考訳）: 言語はハンチントン病(hd)の生命マーカーであり、疾患が進行するにつれて重篤度が増加する。 音声分析は現在、訓練された専門家が手動で作成した書き起こしか、グローバル評価尺度を用いて行われている。 手動文字起こしは高価で時間がかかり、グローバルな評価尺度には十分な感度と忠実性が欠落する可能性がある。 究極的に必要なのは、病気の進行を安価かつ継続的に追跡できる、控えめな手段です。 本稿では,このようなシステム開発に向けた第一歩として,音声の手がかりを用いて,健康的なコントロールとHDの個人を区別する能力を示す。 その結果, 客観的な分析が臨床診断支援に有用であり, 臨床・臨床環境外における症状学の追跡に寄与することが示唆された。

関連論文リスト

• 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)
• Classification of Dysarthria based on the Levels of Severity. A Systematic Review [1.7624130429860712]
  本研究は,重症度に基づく変形性関節症分類手法の体系的検討を目的としている。 変形性関節症の重症度自動分類に関する文献を体系的にレビューする。
  論文  参考訳（メタデータ） (2023-10-11T07:40:46Z)
• 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)
• Multi-class versus One-class classifier in spontaneous speech analysis oriented to Alzheimer Disease diagnosis [58.720142291102135]
  本研究の目的は,音声信号から抽出した新しいバイオマーカーを用いて自動解析を行うことにより,ADの早期診断と重症度評価の改善に寄与することである。 外付け器とフラクタル次元の機能に関する情報を使用することで、システムの性能が向上する。
  論文  参考訳（メタデータ） (2022-03-21T09:57:20Z)
• Assessing glaucoma in retinal fundus photographs using Deep Feature Consistent Variational Autoencoders [63.391402501241195]
  緑内障は症状が重くなるまで無症状のままでいるため、検出が困難である。 緑内障の早期診断は機能的,構造的,臨床的評価に基づいて行われることが多い。 ディープラーニング手法はこのジレンマを、マーカー識別段階をバイパスし、ハイレベルな情報を分析してデータを分類することで部分的に解決している。
  論文  参考訳（メタデータ） (2021-10-04T16:06:49Z)
• 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)
• Influence of ASR and Language Model on Alzheimer's Disease Detection [2.4698886064068555]
  画像から参加者の音声記述を転写するために,SotA ASRシステムを用いて分析する。 本研究では,ASRから仮説を復号化するための言語モデルが欠如していることから,単語の非標準列を補正する言語モデルの影響について検討する。 提案システムは、韻律と声質に基づく音響と、最も一般的な単語の最初の出現に基づく語彙的特徴を組み合わせる。
  論文  参考訳（メタデータ） (2021-09-20T10:41:39Z)
• Improving Medical Image Classification with Label Noise Using Dual-uncertainty Estimation [72.0276067144762]
  医用画像における2種類のラベルノイズについて論じ,定義する。 医用画像分類作業中にこれら2つのラベルノイズを処理する不確実性推定に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-28T14:56:45Z)
• Vocal markers from sustained phonation in Huntington's Disease [10.147374014569209]
  音声障害を臨床マーカーとして検討した。 本研究は, プレマニフェスト遺伝子キャリアーのサブクリニカル障害の同定には, 発声が不十分であることが判明した。 以上の結果から, ハンティントン病の臨床成績の予測には, 音像の特徴が適していると考えられた。
  論文  参考訳（メタデータ） (2020-06-09T15:51:28Z)
• 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)
• Bulbar ALS Detection Based on Analysis of Voice Perturbation and Vibrato [68.97335984455059]
  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。
  論文  参考訳（メタデータ） (2020-03-24T12:49:25Z)

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。