Fugu-MT 論文翻訳(概要): Detecting cognitive decline using speech only: The ADReSSo Challenge

論文の概要: Detecting cognitive decline using speech only: The ADReSSo Challenge

arxiv url: http://arxiv.org/abs/2104.09356v1
Date: Tue, 23 Mar 2021 01:09:38 GMT
ステータス: 処理完了
システム内更新日: 2023-04-07 01:47:29.343171
Title: Detecting cognitive decline using speech only: The ADReSSo Challenge
Title（参考訳）: 音声のみを用いた認知低下の検出:ADReSSo Challenge
Authors: Saturnino Luz, Fasih Haider, Sofia de la Fuente, Davida Fromm, Brian MacWhinney
Abstract要約: ADReSSo Challengeは、社会的および医療関連性の3つの難しい自動予測問題をターゲットにしている。本稿では,これらの予測タスクを詳述し,使用するデータセットを記述し,各タスク用に開発したベースライン分類と回帰モデルの結果を報告する。
参考スコア（独自算出の注目度）: 10.497861245133086
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Building on the success of the ADReSS Challenge at Interspeech 2020, which attracted the participation of 34 teams from across the world, the ADReSSo Challenge targets three difficult automatic prediction problems of societal and medical relevance, namely: detection of Alzheimer's Dementia, inference of cognitive testing scores, and prediction of cognitive decline. This paper presents these prediction tasks in detail, describes the datasets used, and reports the results of the baseline classification and regression models we developed for each task. A combination of acoustic and linguistic features extracted directly from audio recordings, without human intervention, yielded a baseline accuracy of 78.87% for the AD classification task, an MMSE prediction root mean squared (RMSE) error of 5.28, and 68.75% accuracy for the cognitive decline prediction task.
Abstract（参考訳）: 世界中の34チームが参加するinterspeech 2020でのadress challengeの成功を踏まえて、adresso challengeは、アルツハイマー型認知症の検出、認知テストスコアの推測、認知的低下の予測という3つの難しい社会的および医学的関連性の予測問題をターゲットにしている。本稿では,これらの予測タスクを詳細に述べ,使用するデータセットを説明し,各タスクで開発したベースライン分類と回帰モデルの結果を報告する。音声記録から直接抽出された音響的特徴と言語的特徴の組み合わせは、AD分類タスクでは78.87%、MMSE予測ルート平均二乗(RMSE)誤差は5.28、認知低下予測タスクでは68.75%の精度を得た。

関連論文リスト

Automatically measuring speech fluency in people with aphasia: first achievements using read-speech data [55.84746218227712]
本研究の目的は,言語習得の分野で開発された信号処理algorithmの関連性を評価することである。
論文参考訳（メタデータ） (2023-08-09T07:51:40Z)
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)
Cross-lingual Alzheimer's Disease detection based on paralinguistic and pre-trained features [6.928826160866143]
本稿ではICASSP-SPGC-2023 ADReSS-M Challenge Taskについて述べる。この課題は、アルツハイマー病の予測のために、どの音響特徴を一般化し、言語間で伝達できるかを検討することである。我々は、openSmileツールキットとXLSR-53を用いた音響特性を用いてパラ言語的特徴を抽出する。本手法は分類タスクの69.6%の精度と回帰タスクの4.788の根平均二乗誤差(RMSE)を実現する。
論文参考訳（メタデータ） (2023-03-14T06:34:18Z)
Multilingual Alzheimer's Dementia Recognition through Spontaneous Speech: a Signal Processing Grand Challenge [18.684024762601215]
この信号処理グランドチャレンジ(SPGC)は、社会的・医療的関連性の難しい自動予測問題をターゲットにしている。チャレンジは、ある言語(英語)における音声に基づいて構築された予測モデルが、他の言語(ギリシャ語)に一般化する程度を評価するように設計されている。
論文参考訳（メタデータ） (2023-01-13T14:09:13Z)
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)
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)
Combining Prosodic, Voice Quality and Lexical Features to Automatically Detect Alzheimer's Disease [0.0]
本稿では,自然発話からアルツハイマーの自動検出を改善することを目的としたADReSS Challengeへの貢献である。年齢、性別、AD状態の108人の記録がトレーニングセットとして使用されている。どちらのタスクも、韻律と声質に基づく音声から28の特徴を抽出する。
論文参考訳（メタデータ） (2020-11-18T13:37:27Z)
Multimodal Inductive Transfer Learning for Detection of Alzheimer's Dementia and its Severity [39.57255380551913]
本稿では,音響的,認知的,言語的特徴を活用してマルチモーダルアンサンブルシステムを構築する新しいアーキテクチャを提案する。時相特性を持つ特殊な人工ニューラルネットワークを使用して、アルツハイマー認知症(AD)とその重症度を検出する。本システムでは,AD分類では最先端試験精度,精度,リコール,F1スコアが83.3%,MMSEスコア評価では4.60の最先端試験根平均二乗誤差(RMSE)が得られた。
論文参考訳（メタデータ） (2020-08-30T21:47:26Z)
Alzheimer's Dementia Recognition through Spontaneous Speech: The ADReSS Challenge [10.497861245133086]
InterSPEECH 2020のADReSS Challengeでは、アルツハイマー認知症の自動認識に対する異なるアプローチを比較可能な共有タスクを定義している。 ADReSSは、年齢と性別の面で音響的に前処理されバランスが取れた、ベンチマーク音声データセットを研究者に提供する。
論文参考訳（メタデータ） (2020-04-14T23:25:09Z)

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。