論文の概要: Uncertainty Modeling in Multimodal Speech Analysis Across the Psychosis Spectrum

• arxiv url: http://arxiv.org/abs/2502.18285v1
• Date: Tue, 25 Feb 2025 15:19:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 18:40:52.263515
• Title: Uncertainty Modeling in Multimodal Speech Analysis Across the Psychosis Spectrum
• Title（参考訳）: 精神病スペクトラム間のマルチモーダル音声解析における不確実性モデリング
• Authors: Morteza Rohanian, Roya M. Hüppi, Farhad Nooralahzadeh, Noemi Dannecker, Yves Pauli, Werner Surbeck, Iris Sommer, Wolfram Hinzen, Nicolas Langer, Michael Krauthammer, Philipp Homan,
• Abstract要約: 精神病の特徴である発声障害は、非クリニカルな個人を含むスペクトルにわたって現れる。 我々は,症状の重症度と精神病関連特性を予測するために,音響的特徴と言語学的特徴を統合した不確実性認識モデルを開発した。
• 参考スコア（独自算出の注目度）: 4.631774919831163
• License:
• Abstract: Capturing subtle speech disruptions across the psychosis spectrum is challenging because of the inherent variability in speech patterns. This variability reflects individual differences and the fluctuating nature of symptoms in both clinical and non-clinical populations. Accounting for uncertainty in speech data is essential for predicting symptom severity and improving diagnostic precision. Speech disruptions characteristic of psychosis appear across the spectrum, including in non-clinical individuals. We develop an uncertainty-aware model integrating acoustic and linguistic features to predict symptom severity and psychosis-related traits. Quantifying uncertainty in specific modalities allows the model to address speech variability, improving prediction accuracy. We analyzed speech data from 114 participants, including 32 individuals with early psychosis and 82 with low or high schizotypy, collected through structured interviews, semi-structured autobiographical tasks, and narrative-driven interactions in German. The model improved prediction accuracy, reducing RMSE and achieving an F1-score of 83% with ECE = 4.5e-2, showing robust performance across different interaction contexts. Uncertainty estimation improved model interpretability by identifying reliability differences in speech markers such as pitch variability, fluency disruptions, and spectral instability. The model dynamically adjusted to task structures, weighting acoustic features more in structured settings and linguistic features in unstructured contexts. This approach strengthens early detection, personalized assessment, and clinical decision-making in psychosis-spectrum research.
• Abstract（参考訳）: 精神病スペクトラムで微妙な発声を捉えることは、発声パターンに固有の変動があるため困難である。 この変動は、臨床と非臨床の両方の集団における個人差と症状の変動特性を反映している。 症状の重症度を予測し、診断精度を向上させるためには、音声データの不確実性を考慮した会計が不可欠である。 精神病の特徴である発声障害は、非クリニカルな個人を含むスペクトルにわたって現れる。 我々は,症状の重症度と精神病関連特性を予測するために,音響的特徴と言語学的特徴を統合した不確実性認識モデルを開発した。 特定のモダリティの不確実性を定量化することで、モデルは音声の変動に対処し、予測精度を向上させることができる。 早期精神病32名,低あるいは高精査82名を含む114名の被験者の音声データを,構造化面接,半構造化自伝的タスク,ドイツ語における物語駆動的対話を通じて分析した。 このモデルは予測精度を改善し、RMSEを減少させ、83%のF1スコアをECE = 4.5e-2で達成した。 不確かさ推定は、ピッチ変動、周波数乱れ、スペクトル不安定といった音声マーカーの信頼性の違いを特定することにより、モデルの解釈可能性を改善した。 モデルはタスク構造に動的に調整され、構造化された設定における音響的特徴と非構造化された文脈における言語的特徴を重み付けする。 このアプローチは精神病スペクトラム研究における早期発見、パーソナライズドアセスメント、臨床意思決定を強化する。

関連論文リスト

• NeuroXVocal: Detection and Explanation of Alzheimer's Disease through Non-invasive Analysis of Picture-prompted Speech [4.815952991777717]
  NeuroXVocalは、音声分析によってアルツハイマー病(AD)の可能性を分類し、説明する新しい二重成分システムである。 分類コンポーネント(Neuro)は、音声パターンと音声特徴をキャプチャする音響特徴、音声書き起こしから抽出したテキスト特徴、言語パターンを表す事前計算された埋め込みの3つの異なるデータストリームを処理する。 説明可能性コンポーネント(XVocal)は、大規模言語モデルとAD研究文献のドメイン固有の知識ベースを組み合わせた、検索・拡張生成(RAG)アプローチを実装している。
  論文  参考訳（メタデータ） (2025-02-14T12:09:49Z)
• Detecting Neurocognitive Disorders through Analyses of Topic Evolution and Cross-modal Consistency in Visual-Stimulated Narratives [84.03001845263]
  神経認知障害(NCD)の早期発見は、時間的介入と疾患管理に不可欠である。 伝統的な物語分析は、しばしば単語の使用法や構文など、ミクロ構造における局所的な指標に焦点を当てる。 本稿では,話題の変化,時間的ダイナミクス,物語の時間的コヒーレンスを分析することによって,特定の認知的・言語的課題を解明することを提案する。
  論文  参考訳（メタデータ） (2025-01-07T12:16:26Z)
• 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)
• Exploring Speech Pattern Disorders in Autism using Machine Learning [12.469348589699766]
  本研究は, 被験者と患者との対話の分析を通じて, 独特の音声パターンを識別するための包括的アプローチを提案する。 我々は,40の音声関連特徴を抽出し,周波数,ゼロクロス速度,エネルギー,スペクトル特性,メル周波数ケプストラル係数(MFCC),バランスに分類した。 分類モデルはASDと非ASDを区別することを目的としており、精度は87.75%である。
  論文  参考訳（メタデータ） (2024-05-03T02:59:15Z)
• 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)
• Mental Health Diagnosis in the Digital Age: Harnessing Sentiment Analysis on Social Media Platforms upon Ultra-Sparse Feature Content [3.6195994708545016]
  3次元構造を持つ新しい意味的特徴前処理手法を提案する。 強化されたセマンティック機能により、精神障害を予測および分類するために機械学習モデルを訓練する。 提案手法は,7つのベンチマークモデルと比較して,大幅な性能向上を示した。
  論文  参考訳（メタデータ） (2023-11-09T00:15:06Z)
• 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)
• 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)
• Spectro-Temporal Deep Features for Disordered Speech Assessment and Recognition [65.25325641528701]
  音声スペクトルのSVD分解による深い特徴を埋め込んだ新しいスペクトル時空間ベースを提案する。 UASpeechコーパスで行った実験では、提案された分光時間深部特徴適応システムは、データ拡張の有無にかかわらず、ワードエラー率(WER)を最大263%(相対8.6%)削減することで、ベースラインi-適応を一貫して上回ったことが示唆された。
  論文  参考訳（メタデータ） (2022-01-14T16:56:43Z)
• A Preliminary Study of a Two-Stage Paradigm for Preserving Speaker Identity in Dysarthric Voice Conversion [50.040466658605524]
  変形性音声変換(DVC)における話者同一性維持のための新しいパラダイムを提案する。 変形性音声の質は統計VCによって大幅に改善される。 しかし, 変形性関節症患者の通常の発話は, ほとんど収集できないため, 過去の研究は患者の個性を取り戻すことはできなかった。
  論文  参考訳（メタデータ） (2021-06-02T18:41:03Z)

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。