論文の概要: Classification of ALS patients based on acoustic analysis of sustained vowel phonations

• arxiv url: http://arxiv.org/abs/2012.07347v2
• Date: Mon, 11 Jan 2021 08:41:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-09 05:13:17.816555
• Title: Classification of ALS patients based on acoustic analysis of sustained vowel phonations
• Title（参考訳）: 持続母音発声の音響解析に基づくALS患者の分類
• Authors: Maxim Vashkevich and Yulia Rushkevich
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.7106986689736825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Amyotrophic lateral sclerosis (ALS) is incurable neurological disorder with rapidly progressive course. Common early symptoms of ALS are difficulty in swallowing and speech. However, early acoustic manifestation of speech and voice symptoms is very variable, that making their detection very challenging, both by human specialists and automatic systems. This study presents an approach to voice assessment for automatic system that separates healthy people from patients with ALS. In particular, this work focus on analysing of sustain phonation of vowels /a/ and /i/ to perform automatic classification of ALS patients. A wide range of acoustic features such as MFCC, formants, jitter, shimmer, vibrato, PPE, GNE, HNR, etc. were analysed. We also proposed a new set of acoustic features for characterizing harmonic structure of the vowels. Calculation of these features is based on pitch synchronized voice analysis. A linear discriminant analysis (LDA) was used to classify the phonation produced by patients with ALS and those by healthy individuals. Several algorithms of feature selection were tested to find optimal feature subset for LDA model. The study's experiments show that the most successful LDA model based on 32 features picked out by LASSO feature selection algorithm attains 99.7% accuracy with 99.3% sensitivity and 99.9% specificity. Among the classifiers with a small number of features, we can highlight LDA model with 5 features, which has 89.0% accuracy (87.5% sensitivity and 90.4% specificity).
• Abstract（参考訳）: 筋萎縮性側索硬化症(ALS)は,急速に進行する神経疾患である。 ALSの初期の症状は、摂食と発話が困難である。 しかし、音声症状や音声症状の早期の音響症状は非常に変化しており、人間の専門医や自動システムによる検出は非常に困難である。 本研究では,健常者とALS患者を分離する自動システムのための音声評価手法を提案する。 特に,als患者の自動分類を行うために,母音/a/,/i/の持続音韻分析に焦点をあてた。 mfcc、formants、jitter、shimmer、vibrato、ppe、gne、hnrなど、幅広い音響特徴がある。 分析されました また,母音の高調波構造を特徴付ける新しい音響特徴のセットを提案する。 これらの特徴の計算はピッチ同期音声解析に基づく。 線形判別分析(LDA)を用いて,ALS患者と健常者による発声の分類を行った。 LDAモデルに最適な特徴サブセットを見つけるために,いくつかの特徴選択アルゴリズムが試験された。 実験の結果、LASSO特徴選択アルゴリズムによって選択された32の特徴に基づく最も成功したLDAモデルは、99.3%の感度と99.9%の特異性で99.7%の精度で達成された。 少数の特徴を持つ分類器の中で、89.0%の精度(感度87.5%、特異度90.4%)を持つ5つの特徴を持つLDAモデルを強調することができる。

関連論文リスト

• Self-supervised ASR Models and Features For Dysarthric and Elderly Speech Recognition [71.87998918300806]
  本稿では,TDNNとConformer ASRシステムにSSLプリトレーニングモデルとその機能を統合するアプローチについて検討する。 ドメイン適応型HuBERT、wav2vec2-conformer、マルチ言語型XLSRモデルを統合することで構築されたTDNNシステムは、スタンドアロンの微調整型SSL事前訓練モデルより一貫して優れている。 DementiaBank Pitt の高齢者音声認識出力を用いて,アルツハイマー病の検出精度の向上も行った。
  論文  参考訳（メタデータ） (2024-07-03T08:33:39Z)
• Automatic Prediction of Amyotrophic Lateral Sclerosis Progression using Longitudinal Speech Transformer [56.17737749551133]
  ニューラルネットワークを用いたALS病進行自動予測器であるALS長手音声変換器(ALST)を提案する。 録音における高品質な事前訓練音声特徴と長手情報を活用することで、最良のモデルが91.0%のAUCを達成できる。 ALSTはALS進行の細粒度で解釈可能な予測が可能で、特に稀な症例と重篤な症例の区別が可能である。
  論文  参考訳（メタデータ） (2024-06-26T13:28:24Z)
• Remote Inference of Cognitive Scores in ALS Patients Using a Picture Description [3.441452604187627]
  我々はEdinburgh Cognitive and Behavioral ALS Screen testのデジタル版を初めて実装した。 認知障害を測定するために設計されたこのテストは、EverythALS Speech Studyの56人の参加者が遠隔で実施した。 本研究は,ECAS検査施行日から60日以内に行われた記述を分析し,異なる言語的特徴と音響的特徴を抽出した。
  論文  参考訳（メタデータ） (2023-09-13T14:30:30Z)
• Acoustic-to-articulatory inversion for dysarthric speech: Are pre-trained self-supervised representations favorable? [3.43759997215733]
  音響-調音インバージョン(AAI)は、音響から調音空間へのマッピングを伴う。 本研究では,事前に訓練された自己教師付き学習(SSL)モデルの表現を用いて,変形性音声に対するAAIを実行する。
  論文  参考訳（メタデータ） (2023-09-03T07:44:38Z)
• 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)
• Continuous Speech for Improved Learning Pathological Voice Disorders [12.867900671251395]
  本研究では,単一母音の代わりに連続マンダリン音声を用いて4つの共通音声障害を分類する手法を提案する。 提案手法では, 音響信号をメル周波数ケプストラム係数に変換し, 双方向長周期メモリネットワーク(BiLSTM)を採用して, 逐次的特徴をモデル化する。
  論文  参考訳（メタデータ） (2022-02-22T09:58:31Z)
• 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)
• 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。