Fugu-MT 論文翻訳(概要): Towards Precision Characterization of Communication Disorders using Models of Perceived Pragmatic Similarity

論文の概要: Towards Precision Characterization of Communication Disorders using Models of Perceived Pragmatic Similarity

arxiv url: http://arxiv.org/abs/2409.09170v1
Date: Fri, 13 Sep 2024 20:01:13 GMT
ステータス: 処理完了
システム内更新日: 2024-09-17 22:09:06.767872
Title: Towards Precision Characterization of Communication Disorders using Models of Perceived Pragmatic Similarity
Title（参考訳）: 実感的類似性モデルを用いたコミュニケーション障害の高精度評価に向けて
Authors: Nigel G. Ward, Andres Segura, Georgina Bugarini, Heike Lehnert-LeHouillier, Dancheng Liu, Jinjun Xiong, Olac Fuentes,
Abstract要約: 本稿では, 現実的類似性に対する汎用モデルが, 限界を克服する可能性について考察する。臨床医やクライアント向けのいくつかのユースケースをサポートする方法を説明し、シンプルなモデルが価値を提供できることを示す。
参考スコア（独自算出の注目度）: 17.9991452836202
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: The diagnosis and treatment of individuals with communication disorders offers many opportunities for the application of speech technology, but research so far has not adequately considered: the diversity of conditions, the role of pragmatic deficits, and the challenges of limited data. This paper explores how a general-purpose model of perceived pragmatic similarity may overcome these limitations. It explains how it might support several use cases for clinicians and clients, and presents evidence that a simple model can provide value, and in particular can capture utterance aspects that are relevant to diagnoses of autism and specific language impairment.
Abstract（参考訳）: コミュニケーション障害のある個人の診断と治療は、音声技術の応用に多くの機会をもたらすが、これまでの研究は、状況の多様性、実用的欠陥の役割、限られたデータの課題など、十分に考慮されていない。本稿では,現実的な類似性に対する汎用モデルが,これらの制約を克服する方法について考察する。臨床医やクライアントのいくつかのユースケースをサポートする方法を説明し、単純なモデルが価値を提供することを示す証拠を示し、特に自閉症や特定の言語障害の診断に関連する発話の側面を捉えることができる。

関連論文リスト

A Tutorial on Clinical Speech AI Development: From Data Collection to Model Validation [19.367198670893778]
本稿では,臨床音声AIの堅牢な開発に必要な要素について概説する。目的は、入力と出力がより解釈可能で臨床的に意味のある音声の側面にリンクするモデルの構築に関する包括的なガイダンスを提供することである。
論文参考訳（メタデータ） (2024-10-29T00:58:15Z)
Cognitive Insights Across Languages: Enhancing Multimodal Interview Analysis [0.6062751776009752]
軽度認知障害と認知スコアを予測できるマルチモーダルモデルを提案する。提案モデルでは,インタビューで使用した言語を書き起こし,区別する能力を示す。提案手法では,提案手法から得られた様々な特徴を詳細に検討する。
論文参考訳（メタデータ） (2024-06-11T17:59:31Z)
Selfsupervised learning for pathological speech detection [0.0]
音声生成は、様々な神経変性疾患による影響と破壊を受けやすい。これらの障害は、異常な発声パターンと不正確な調音を特徴とする病的発声を引き起こす。ニューロタイプ話者とは異なり、言語障害や障害のある患者は、AlexaやSiriなど、さまざまなバーチャルアシスタントにアクセスできない。
論文参考訳（メタデータ） (2024-05-16T07:12:47Z)
Exploiting ChatGPT for Diagnosing Autism-Associated Language Disorders and Identifying Distinct Features [13.006406004068117]
本研究では, 最先端の言語モデルであるChatGPTを用いて, 診断精度を高め, 自閉症を示す特定の言語特徴をプロファイリングする方法について検討した。その結果、ChatGPTは従来の教師あり学習モデルよりも大幅に優れており、ゼロショット学習構成では精度とF1スコアの両方が13%以上向上していることがわかった。我々の研究は、ChatGPTのような高度なAIツールを臨床環境に適用し、発達障害を評価し診断することを提唱している。
論文参考訳（メタデータ） (2024-05-03T01:04:28Z)
Unified Uncertainty Estimation for Cognitive Diagnosis Models [70.46998436898205]
本稿では,幅広い認知診断モデルに対する統一的不確実性推定手法を提案する。診断パラメータの不確かさをデータ・アスペクトとモデル・アスペクトに分解する。本手法は有効であり,認知診断の不確実性に関する有用な知見を提供することができる。
論文参考訳（メタデータ） (2024-03-09T13:48:20Z)
A Simple and Flexible Modeling for Mental Disorder Detection by Learning from Clinical Questionnaires [0.2580765958706853]
そこで本研究では,テキストから直接意味を抽出し,症状に関連する記述と比較する手法を提案する。詳細な分析により,提案モデルがドメイン知識の活用,他の精神疾患への伝達,解釈可能な検出結果の提供に有効であることが示唆された。
論文参考訳（メタデータ） (2023-06-05T15:23:55Z)
Bayesian Networks for the robust and unbiased prediction of depression and its symptoms utilizing speech and multimodal data [65.28160163774274]
我々は,抑うつ,抑うつ症状,および,胸腺で収集された音声,表情,認知ゲームデータから得られる特徴の関連性を把握するためにベイズ的枠組みを適用した。
論文参考訳（メタデータ） (2022-11-09T14:48:13Z)
Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
論文参考訳（メタデータ） (2022-07-20T13:37:57Z)
Benchmarking Heterogeneous Treatment Effect Models through the Lens of Interpretability [82.29775890542967]
治療のパーソナライズされた効果を見積もるのは複雑だが、普及している問題である。ヘテロジニアス処理効果推定に関する機械学習文献の最近の進歩は、洗練されたが不透明なツールの多くを生み出した。我々は、ポストホックな特徴重要度法を用いて、モデルの予測に影響を及ぼす特徴を特定する。
論文参考訳（メタデータ） (2022-06-16T17:59:05Z)
Clinical Outcome Prediction from Admission Notes using Self-Supervised Knowledge Integration [55.88616573143478]
臨床テキストからのアウトカム予測は、医師が潜在的なリスクを見落としないようにする。退院時の診断,手術手順,院内死亡率,長期予測は4つの一般的な結果予測対象である。複数の公開資料から得られた患者結果に関する知識を統合するために,臨床結果の事前学習を提案する。
論文参考訳（メタデータ） (2021-02-08T10:26:44Z)
Inheritance-guided Hierarchical Assignment for Clinical Automatic Diagnosis [50.15205065710629]
臨床診断は、臨床ノートに基づいて患者に診断符号を割り当てることを目的としており、臨床意思決定において重要な役割を担っている。本稿では,臨床自動診断のための継承誘導階層と共起グラフの伝播を組み合わせた新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-01-27T13:16:51Z)

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。