論文の概要: Screening method for early dementia using sound objects as voice
biomarkers
- arxiv url: http://arxiv.org/abs/2402.00897v1
- Date: Wed, 31 Jan 2024 19:20:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-05 18:31:31.543154
- Title: Screening method for early dementia using sound objects as voice
biomarkers
- Title（参考訳）: 音声バイオマーカーを用いた早期認知症のスクリーニング法
- Authors: Adam Pluta, Zbigniew Pioch, J\k{e}drzej Kardach, Piotr Zio{\l}o,
Tomasz Kr\k{e}cicki, El\.zbieta Trypka
- Abstract要約: 音声バイオマーカーとして音響オブジェクトをベースとした早期認知症のスクリーニング手法を提案する。
メソッドは、被験者によって話される持続母音/a/の6秒間の記録に基づいている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Introduction: We present a screening method for early dementia using features
based on sound objects as voice biomarkers.
Methods: The final dataset used for machine learning models consisted of 266
observations, with a distribution of 186 healthy individuals, 46 diagnosed with
Alzheimer's, and 34 with MCI. This method is based on six-second recordings of
the sustained vowel /a/ spoken by the subject. The main original contribution
of this work is the use of carefully crafted features based on sound objects.
This approach allows one to first represent the sound spectrum in a more
accurate way than the standard spectrum, and then build interpretable features
containing relevant information about subjects' control over their voice.
Results: ROC AUC obtained in this work for distinguishing healthy subjects
from those with MCI was 0.85, while accuracy was 0.76. For distinguishing
between healthy subjects and those with either MCI or Alzheimer's the results
were 0.84, 0.77, respectively.
Conclusion: The use of features based on sound objects enables screening for
early dementia even on very short recordings of language-independent voice
samples.
- Abstract（参考訳）: 紹介:音声バイオマーカーとして音響オブジェクトを用いた早期認知症のスクリーニング手法を提案する。
方法: 機械学習モデルに使用される最終データセットは、266の観測結果からなり、186人の健常者、46人がアルツハイマー病、34人がMCIと診断された。
この方法は、被験者が発声する持続母音/a/の6秒間の記録に基づいている。
この作品の主な貢献は、サウンドオブジェクトに基づいた注意深く構築された特徴の使用である。
このアプローチにより、まず標準スペクトルよりも正確な方法で音響スペクトルを表現し、その後、被験者の音声に対する制御に関する関連情報を含む解釈可能な特徴を構築することができる。
結果: 健常者とMCIを区別するためのROC AUCは0.85であり, 精度は0.76であった。
健常者と MCI または Alzheimer の鑑別では, それぞれ 0.84 と 0.77 であった。
結論: 音声オブジェクトに基づく特徴の使用は, 言語非依存的音声サンプルの非常に短い記録でも早期認知症スクリーニングを可能にする。
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) - Analysing the Impact of Audio Quality on the Use of Naturalistic
Long-Form Recordings for Infant-Directed Speech Research [62.997667081978825]
早期言語習得のモデリングは、幼児が言語スキルをブートストラップする方法を理解することを目的としている。
近年の進歩により、より自然主義的なトレーニングデータを計算モデルに利用できるようになった。
音質がこれらのデータに対する分析やモデリング実験にどう影響するかは、現時点では不明である。
論文 参考訳（メタデータ） (2023-05-03T08:25:37Z) - 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) - 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 traditional machine learning for identification of
pathological auscultations [0.39577682622066246]
各種機械学習シナリオにおいて,45例のデジタル6チャンネル聴取を行った。
目的は,正常な肺と異常な肺の音を区別することであった。
監視されていないモデルよりも一貫した優位性を示した。
論文 参考訳（メタデータ） (2022-09-01T18:03:21Z) - 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) - 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) - 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) - 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) - Identification of Dementia Using Audio Biomarkers [15.740689461116762]
本研究の目的は、認知症のステージを自動的に識別するために、音声処理と機械学習技術を使用することである。
非言語的音響パラメータはこの目的のために使われ、言語に依存しないアプローチとなっている。
我々は, スペクトル, 時間, ケプストラム等の音響特性の寄与と, 認知症ステージの同定への選択について分析した。
論文 参考訳（メタデータ） (2020-02-27T13:54:00Z)
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。