論文の概要: Exploiting Longitudinal Speech Sessions via Voice Assistant Systems for Early Detection of Cognitive Decline
- arxiv url: http://arxiv.org/abs/2410.12885v1
- Date: Wed, 16 Oct 2024 01:10:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-10-18 13:18:36.803061
- Title: Exploiting Longitudinal Speech Sessions via Voice Assistant Systems for Early Detection of Cognitive Decline
- Title（参考訳）: 音声アシスタントシステムによる音声音声セッションの発声による認知低下の早期検出
- Authors: Kristin Qi, Jiatong Shi, Caroline Summerour, John A. Batsis, Xiaohui Liang,
- Abstract要約: 軽度認知障害 (MCI) は、アルツハイマー病(英語版)(AD)の初期の段階であり、神経変性疾患の一種である。
既存の研究は、臨床面接やデジタルデバイスから収集した音声を用いて、MCIを検出する可能性を実証している。
本稿では,音声アシスタントシステム(VAS)を用いて,3ヵ月間にわたって遠隔で7セッション音声データを収集する縦断的研究を行った。
- 参考スコア（独自算出の注目度）: 18.416501620311276
- License:
- Abstract: Mild Cognitive Impairment (MCI) is an early stage of Alzheimer's disease (AD), a form of neurodegenerative disorder. Early identification of MCI is crucial for delaying its progression through timely interventions. Existing research has demonstrated the feasibility of detecting MCI using speech collected from clinical interviews or digital devices. However, these approaches typically analyze data collected at limited time points, limiting their ability to identify cognitive changes over time. This paper presents a longitudinal study using voice assistant systems (VAS) to remotely collect seven-session speech data at three-month intervals across 18 months. We propose two methods to improve MCI detection and the prediction of cognitive changes. The first method incorporates historical data, while the second predicts cognitive changes at two time points. Our results indicate improvements when incorporating historical data: the average F1-score for MCI detection improves from 58.6% to 71.2% (by 12.6%) in the case of acoustic features and from 62.1% to 75.1% (by 13.0%) in the case of linguistic features. Additionally, the prediction of cognitive changes achieves an F1-score of 73.7% in the case of acoustic features. These results confirm the potential of VAS-based speech sessions for early detection of cognitive decline.
- Abstract（参考訳）: 軽度認知障害 (MCI) は、アルツハイマー病(英語版)(AD)の初期の段階であり、神経変性疾患の一種である。
MCIの早期同定は、タイムリーな介入によってその進行を遅らせるために重要である。
既存の研究は、臨床面接やデジタルデバイスから収集した音声を用いて、MCIを検出する可能性を実証している。
しかしながら、これらのアプローチは典型的には、限られた時点において収集されたデータを分析し、時間とともに認知的変化を識別する能力を制限する。
本稿では,音声アシスタントシステム(VAS)を用いて,3ヵ月間にわたって遠隔で7セッション音声データを収集する縦断的研究を行った。
本稿では,MCI検出の改善と認知変化の予測のための2つの手法を提案する。
第1の方法は歴史的データを取り入れ、第2の方法は2つの時点における認知の変化を予測する。
その結果,MCI検出における平均F1スコアは,音響特性では58.6%から71.2%(12.6%),言語特性では62.1%から75.1%(13.0%)に改善した。
さらに、認知的変化の予測は、音響的特徴の場合にF1スコアが73.7%に達する。
これらの結果から,VASに基づく音声セッションが認知低下を早期に検出する可能性が確認された。
関連論文リスト
- Identification of Cognitive Decline from Spoken Language through Feature
Selection and the Bag of Acoustic Words Model [0.0]
記憶障害の症状の早期発見は、集団の健康確保に重要な役割を担っている。
臨床環境における標準化された音声テストの欠如は、自然音声言語を解析するための自動機械学習技術の開発にますます重点を置いている。
この研究は特徴選択に関するアプローチを示し、ジュネーブの最小音響パラメータセットと相対音声停止から診断に必要な重要な特徴を自動的に選択することを可能にする。
論文 参考訳（メタデータ） (2024-02-02T17:06:03Z) - Detection of Mild Cognitive Impairment Using Facial Features in Video
Conversations [4.229544696616341]
軽度認知障害(MCI)の早期発見は、MCIから認知症への進行を遅らせるための早期介入につながる。
Deep Learning (DL)アルゴリズムは、初期の非侵襲的で低コストなMCI検出を実現するのに役立つ。
本報告では, 高齢者におけるMCIの検出について, 家庭内会話から抽出した顔の特徴のみに基づくDLモデルを用いて検討する。
論文 参考訳（メタデータ） (2023-08-29T20:45:41Z) - 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) - 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) - 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) - Investigation of Data Augmentation Techniques for Disordered Speech
Recognition [69.50670302435174]
本稿では,不規則音声認識のための一連のデータ拡張手法について検討する。
正常な音声と無秩序な音声の両方が増強過程に利用された。
UASpeechコーパスを用いた最終話者適応システムと、最大2.92%の絶対単語誤り率(WER)の速度摂動に基づく最良の拡張アプローチ
論文 参考訳（メタデータ） (2022-01-14T17:09:22Z) - 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) - Detecting cognitive decline using speech only: The ADReSSo Challenge [10.497861245133086]
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。
論文 参考訳（メタデータ） (2021-03-23T01:09:38Z) - 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) - 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。