論文の概要: Autism Detection in Speech - A Survey

• arxiv url: http://arxiv.org/abs/2402.12880v1
• Date: Tue, 20 Feb 2024 10:18:18 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 15:56:53.491881
• Title: Autism Detection in Speech - A Survey
• Title（参考訳）: 音声における自閉症検出の検討
• Authors: Nadine Probol and Margot Mieskes
• Abstract要約: 自閉症を示す言語的・韻律的・音響的手がかりを考察する。 特に,言語や意味の流布,韻律的特徴,不適応や発話率といった観察結果に注目した。 結論として、すでに多くの研究が行われていますが、女性患者は過度に研究されているようです。
• 参考スコア（独自算出の注目度）: 0.9028773906859542
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: There has been a range of studies of how autism is displayed in voice, speech, and language. We analyse studies from the biomedical, as well as the psychological domain, but also from the NLP domain in order to find linguistic, prosodic and acoustic cues that could indicate autism. Our survey looks at all three domains. We define autism and which comorbidities might influence the correct detection of the disorder. We especially look at observations such as verbal and semantic fluency, prosodic features, but also disfluencies and speaking rate. We also show word-based approaches and describe machine learning and transformer-based approaches both on the audio data as well as the transcripts. Lastly, we conclude, while there already is a lot of research, female patients seem to be severely under-researched. Also, most NLP research focuses on traditional machine learning methods instead of transformers which could be beneficial in this context. Additionally, we were unable to find research combining both features from audio and transcripts.
• Abstract（参考訳）: 自閉症は音声、音声、言語でどのように表現されるか、様々な研究がなされてきた。 自閉症を示唆する言語的、韻律的、音響的手がかりを見つけるために、生体医学的、心理学的領域だけでなく、nlp領域からも研究を分析した。 私たちの調査は3つのドメインすべてを調査します。 我々は自閉症を規定し、その複合性が障害の正しい検出に影響を与える可能性がある。 特に,言語的,意味的フラレンシ,韻律的特徴,不均一性,発話率などの観察に注目した。 また,音声データと書き起こしの両方について,単語ベースのアプローチを示し,機械学習とトランスフォーマティブに基づくアプローチについて述べる。 最後に、すでに多くの研究がなされているが、女性患者は過少評価されているようだ。 また、ほとんどのNLP研究は、この文脈で有益なトランスフォーマーの代わりに伝統的な機械学習手法に焦点を当てている。 さらに,音声と文字起こしの両方の機能を組み合わせた研究は見つからなかった。

関連論文リスト

• Language-Agnostic Analysis of Speech Depression Detection [2.5764071253486636]
  本研究は、英語とマラヤラムの2言語間での自動抑うつ検出を解析する。 CNNモデルは、両言語に焦点をあてて、抑うつに関連する音響的特徴を特定するために訓練される。 その結果,言語に依存しない抑うつ検出システムの開発に寄与する可能性が示唆された。
  論文  参考訳（メタデータ） (2024-09-23T07:35:56Z)
• Hear Me, See Me, Understand Me: Audio-Visual Autism Behavior Recognition [47.550391816383794]
  本稿では,音声・視覚自閉症の行動認識の新たな課題について紹介する。 社会的行動認識は、AIによる自閉症スクリーニング研究において、これまで省略されてきた重要な側面である。 データセット、コード、事前トレーニングされたモデルをリリースします。
  論文  参考訳（メタデータ） (2024-03-22T22:52:35Z)
• A Review of and Roadmap for Data Science and Machine Learning for the Neuropsychiatric Phenotype of Autism [3.062772835338966]
  自閉症スペクトラム障害(Autism Spectrum disorder)は、44人の子供の少なくとも1人に影響を及ぼす神経発達遅延である。 自閉症と関連する遅延の診断、治療、縦断的な追跡パイプラインには大きなボトルネックがある。 本稿では,神経行動分析とデジタル精神医学に関連する知見を紹介する。
  論文  参考訳（メタデータ） (2023-03-07T01:14:54Z)
• Information-Restricted Neural Language Models Reveal Different Brain Regions' Sensitivity to Semantics, Syntax and Context [87.31930367845125]
  テキストコーパスを用いて語彙言語モデルGloveと超語彙言語モデルGPT-2を訓練した。 そして、これらの情報制限されたモデルが、自然主義的テキストを聴く人間のfMRI信号の時間軸を予測することができるかを評価した。 分析の結果、言語に関わるほとんどの脳領域は、構文変数と意味変数の両方に敏感であるが、これらの影響の相対的な大きさは、これらの領域で大きく異なることがわかった。
  論文  参考訳（メタデータ） (2023-02-28T08:16:18Z)
• Toward a realistic model of speech processing in the brain with self-supervised learning [67.7130239674153]
  生波形で訓練された自己教師型アルゴリズムは有望な候補である。 We show that Wav2Vec 2.0 learns brain-like representations with little as 600 hours of unlabelled speech。
  論文  参考訳（メタデータ） (2022-06-03T17:01:46Z)
• Classifying Autism from Crowdsourced Semi-Structured Speech Recordings: A Machine Learning Approach [0.9945783208680666]
  本研究では,家庭環境における自閉症・ニューロタイプ(NT)児の自己記録音声における自閉症検出のための機械学習手法について述べる。 まず、抽出音声の特徴を訓練したランダムフォレスト、スペクトルを訓練した第2の畳み込みニューラルネットワーク(CNN)、そして第3の、最先端のトランスフォーマーベースのASRモデルであるwav2vec 2.0の3つの方法を検討する。
  論文  参考訳（メタデータ） (2022-01-04T01:31:02Z)
• Perception Point: Identifying Critical Learning Periods in Speech for Bilingual Networks [58.24134321728942]
  ディープニューラルベース視覚唇読解モデルにおける認知的側面を比較し,識別する。 我々は、認知心理学におけるこれらの理論と独自のモデリングの間に強い相関関係を観察する。
  論文  参考訳（メタデータ） (2021-10-13T05:30:50Z)
• Detecting Autism Spectrum Disorders with Machine Learning Models Using Speech Transcripts [0.0]
  自閉症スペクトラム障害(Autism spectrum disorder、ASD)は、子どもの相互作用、コミュニケーション、他者との交流に影響を及ぼす神経発達障害として定義される。 ASDを正確に診断する現在の方法は、侵襲的、時間的、退屈である。 音声を使った機械学習モデル、顔からのコンピュータービジョン、網膜、脳MRI画像など、この疾患を正確にタイムリーに検出する新しい技術が急速に発展しつつある。
  論文  参考訳（メタデータ） (2021-10-07T09:10:15Z)
• 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)
• Silent Speech Interfaces for Speech Restoration: A Review [59.68902463890532]
  サイレント音声インタフェース (SSI) の研究は、重度音声障害の患者に対して、代替的で拡張的なコミュニケーション方法を提供することを目的としている。 SSIは、コミュニケーションを可能にするために、音声生成中に人体によって生成される非音響バイオシグナーに依存している。 現在、ほとんどのSSIは、健康なユーザーのために実験室でのみ検証されている。
  論文  参考訳（メタデータ） (2020-09-04T11:05:50Z)

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。