論文の概要: The order in speech disorder: a scoping review of state of the art machine learning methods for clinical speech classification
- arxiv url: http://arxiv.org/abs/2503.04802v1
- Date: Mon, 03 Mar 2025 11:33:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-10 19:13:14.677143
- Title: The order in speech disorder: a scoping review of state of the art machine learning methods for clinical speech classification
- Title（参考訳）: 音声障害の順序:臨床音声分類のための機械学習手法の現状のスコーピングレビュー
- Authors: Birger Moell, Fredrik Sand Aronsson, Per Östberg, Jonas Beskow,
- Abstract要約: 音声パターンは様々な病因の診断マーカーとして出現している。
喉頭障害, 変形性関節症, およびパーキンソン病の発声に関連する変化に対して, 高い診断精度が持続的に観察された。
うつ病、統合失調症、軽度認知障害、アルツハイマー性認知症などの障害も高い精度を示した。
- 参考スコア（独自算出の注目度）: 3.4973270688542626
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background:Speech patterns have emerged as potential diagnostic markers for conditions with varying etiologies. Machine learning (ML) presents an opportunity to harness these patterns for accurate disease diagnosis. Objective: This review synthesized findings from studies exploring ML's capability in leveraging speech for the diagnosis of neurological, laryngeal and mental disorders. Methods: A systematic examination of 564 articles was conducted with 91 articles included in the study, which encompassed a wide spectrum of conditions, ranging from voice pathologies to mental and neurological disorders. Methods for speech classifications were assessed based on the relevant studies and scored between 0-10 based on the reported diagnostic accuracy of their ML models. Results: High diagnostic accuracies were consistently observed for laryngeal disorders, dysarthria, and changes related to speech in Parkinsons disease. These findings indicate the robust potential of speech as a diagnostic tool. Disorders like depression, schizophrenia, mild cognitive impairment and Alzheimers dementia also demonstrated high accuracies, albeit with some variability across studies. Meanwhile, disorders like OCD and autism highlighted the need for more extensive research to ascertain the relationship between speech patterns and the respective conditions. Conclusion: ML models utilizing speech patterns demonstrate promising potential in diagnosing a range of mental, laryngeal, and neurological disorders. However, the efficacy varies across conditions, and further research is needed. The integration of these models into clinical practice could potentially revolutionize the evaluation and diagnosis of a number of different medical conditions.
- Abstract（参考訳）: 背景:音声パターンは様々な病因の診断マーカーとして出現している。
機械学習(ML)は、これらのパターンを正確な疾患診断に活用する機会を提供する。
目的: 本研究は, 神経疾患, 喉頭疾患, 精神疾患の診断に音声を活用するMLの能力を探求する研究から得られた知見をまとめたものである。
方法: 音声病理から精神・神経疾患に至るまで, 幅広い状況を含む91項目を対象とし, 564項目の体系的検討を行った。
音声分類法は関連研究に基づいて評価され,MLモデルの診断精度に基づいて0～10のスコアが得られた。
結果: 喉頭障害, 変形性関節症, およびパーキンソン病における発声に関連する変化に対して, 高い診断精度が持続的に観察された。
以上の結果から,診断ツールとしての音声の有用性が示唆された。
うつ病、統合失調症、軽度認知障害、アルツハイマー性認知症などの障害も、研究にばらつきがあるにもかかわらず、高い精度を示していた。
一方、OCDや自閉症などの障害は、音声パターンとそれぞれの状態との関係を確かめるために、より広範な研究の必要性を強調した。
結論: 音声パターンを利用したMLモデルは, 精神, 喉頭, 神経疾患の診断に有望な可能性を示唆している。
しかし、効果は条件によって異なり、さらなる研究が必要である。
これらのモデルの臨床的実践への統合は、様々な異なる医療条件の評価と診断に革命をもたらす可能性がある。
関連論文リスト
- NeuroSymAD: A Neuro-Symbolic Framework for Interpretable Alzheimer's Disease Diagnosis [35.4733004746959]
NeuroSymADは、ニューラルネットワークとシンボリック推論を相乗化するための、ニューロシンボリックなフレームワークである。
ニューラルネットワークは脳のMRIスキャンを受理し、大きな言語モデルは医療規則を蒸留し、生体マーカーや医療史を推論して象徴的なシステムを導く。
論文 参考訳（メタデータ） (2025-03-01T14:29:39Z) - Lifespan tree of brain anatomy: diagnostic values for motor and cognitive neurodegenerative diseases [0.41532136084884347]
我々は,脳解剖学のライフスパンツリーという新しい機械学習フレームワークを開発し,同時に複数の疾患の鑑別診断を行う。
ライフスパンツリーは、関連する臨床疾患の鑑別診断に有用なツールとして有望である。
論文 参考訳（メタデータ） (2025-02-13T13:29:05Z) - SemioLLM: Assessing Large Language Models for Semiological Analysis in Epilepsy Research [45.2233252981348]
大規模言語モデルは、一般的な医学的知識をエンコードする能力において有望な結果を示している。
内科的知識を活用しててててんかんの診断を行う技術について検討した。
論文 参考訳（メタデータ） (2024-07-03T11:02:12Z) - 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) - Path Signature Representation of Patient-Clinician Interactions as a
Predictor for Neuropsychological Tests Outcomes in Children: A Proof of
Concept [40.737684553736166]
この研究は39のビデオ記録のデータセットを利用して、臨床医が認知評価テストを実施する広範囲なセッションを捉えた。
サンプルサイズと不均一な記録スタイルが限定されているにもかかわらず、解析は記録データの特徴としてパスシグネチャを抽出することに成功している。
以上の結果から,これらの特徴は,全セッション長の認知テストのスコアを予測できる有望な可能性を示唆した。
論文 参考訳（メタデータ） (2023-12-12T12:14:08Z) - Expert Uncertainty and Severity Aware Chest X-Ray Classification by
Multi-Relationship Graph Learning [48.29204631769816]
我々はCXRレポートから病気ラベルを再抽出し,重症度と分類の不確実性を考慮し,より現実的になるようにした。
以上の結果から, 疾患の重症度と不確実性を考慮したモデルが, 従来の最先端手法よりも優れていたことが示唆された。
論文 参考訳（メタデータ） (2023-09-06T19:19:41Z) - Automated speech- and text-based classification of neuropsychiatric
conditions in a multidiagnostic setting [2.0972270756982536]
音声パターンは神経精神疾患の診断マーカーとして認識されている。
我々は,機械学習モデルと高度なトランスフォーマーモデルの性能を,二進分類と多進分類の両方で検証した。
以上の結果から,二項分類で訓練したモデルは,臨床と非臨床の集団間の一般的な差異のマーカーに依存することが示唆された。
論文 参考訳（メタデータ） (2023-01-13T08:24:21Z) - Identification of Pediatric Respiratory Diseases Using Fine-grained
Diagnosis System [41.60894942209209]
喘息、気管支炎、肺炎、上気道感染症(RTI)などの呼吸器疾患は、クリニックで最も一般的な疾患である。
小児科では、患者の状況を表現する能力に限界があるため、正確な診断がさらに困難になる。
本稿では,小児科における詳細な診断支援システムを提案する。
論文 参考訳（メタデータ） (2021-08-24T16:09:39Z) - Multi-modal fusion with gating using audio, lexical and disfluency
features for Alzheimer's Dementia recognition from spontaneous speech [11.34426502082293]
本論文は、自発音声(ADReSS)によるアルツハイマー認知症への挑戦である。
本研究の目的は、音声データからアルツハイマー病の重症度の自動予測を支援する方法を開発することである。
論文 参考訳（メタデータ） (2021-06-17T17:20:57Z) - Parkinsonian Chinese Speech Analysis towards Automatic Classification of
Parkinson's Disease [31.431256876809343]
パーキンソン病(PD)の早期に発する発声障害
中国語の音声コーパスを新たに構築し,PD患者の分類について検討した。
我々の分類精度は最先端の研究をはるかに上回った。
論文 参考訳（メタデータ） (2021-05-31T04:51:44Z) - Multimodal Gait Recognition for Neurodegenerative Diseases [38.06704951209703]
3つの神経変性疾患の歩容差を学習するための新しいハイブリッドモデルを提案する。
新しい相関メモリニューラルネットワークアーキテクチャは、時間的特徴を抽出するために設計されている。
いくつかの最先端技術と比較して,提案手法はより正確な分類結果を示す。
論文 参考訳（メタデータ） (2021-01-07T10:17:11Z) - Graph-Evolving Meta-Learning for Low-Resource Medical Dialogue
Generation [150.52617238140868]
ソース疾患からターゲット疾患へ診断経験を移すために、低リソースの医療対話生成を提案します。
また,新しい疾患の症状相関を推論するためのコモンセンスグラフの進化を学習するグラフ進化メタラーニングフレームワークを開発した。
論文 参考訳（メタデータ） (2020-12-22T13:20:23Z) - Machine learning for the diagnosis of Parkinson's disease: A systematic
review [15.463800489731373]
我々は2020年2月14日まで,PubMed と IEEE Xplore データベースを用いて,系統的な文献レビューを行った。
関連情報として抽出され,本システムレビューで提示された計209件の研究結果を含む。
これらの研究は、臨床意思決定における機械学習手法と新しいバイオマーカーの適応の可能性を示す。
論文 参考訳（メタデータ） (2020-10-13T01:14:04Z)
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。