論文の概要: Cog-TiPRO: Iterative Prompt Refinement with LLMs to Detect Cognitive Decline via Longitudinal Voice Assistant Commands

• arxiv url: http://arxiv.org/abs/2505.17137v1
• Date: Thu, 22 May 2025 05:40:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-26 18:08:33.599592
• Title: Cog-TiPRO: Iterative Prompt Refinement with LLMs to Detect Cognitive Decline via Longitudinal Voice Assistant Commands
• Title（参考訳）: Cog-TiPRO:縦型音声アシスタントコマンドによる認知低下検出のためのLCMによる反復的プロンプトリファインメント
• Authors: Kristin Qi, Youxiang Zhu, Caroline Summerour, John A. Batsis, Xiaohui Liang,
• Abstract要約: 認知低下の早期発見は、神経変性疾患の進行を遅らせる介入を可能にするために重要である。 本研究は音声コマンドの音声パターンの経時的解析により認知低下を検出する非侵襲的ツールとして音声アシスタントシステム(VAS)について検討する。
• 参考スコア（独自算出の注目度）: 8.516584356273825
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Early detection of cognitive decline is crucial for enabling interventions that can slow neurodegenerative disease progression. Traditional diagnostic approaches rely on labor-intensive clinical assessments, which are impractical for frequent monitoring. Our pilot study investigates voice assistant systems (VAS) as non-invasive tools for detecting cognitive decline through longitudinal analysis of speech patterns in voice commands. Over an 18-month period, we collected voice commands from 35 older adults, with 15 participants providing daily at-home VAS interactions. To address the challenges of analyzing these short, unstructured and noisy commands, we propose Cog-TiPRO, a framework that combines (1) LLM-driven iterative prompt refinement for linguistic feature extraction, (2) HuBERT-based acoustic feature extraction, and (3) transformer-based temporal modeling. Using iTransformer, our approach achieves 73.80% accuracy and 72.67% F1-score in detecting MCI, outperforming its baseline by 27.13%. Through our LLM approach, we identify linguistic features that uniquely characterize everyday command usage patterns in individuals experiencing cognitive decline.
• Abstract（参考訳）: 認知低下の早期発見は、神経変性疾患の進行を遅らせる介入を可能にするために重要である。 従来の診断アプローチは、頻繁なモニタリングには実用的でない労働集約的な臨床評価に依存している。 本研究は音声コマンドの音声パターンの経時的解析により認知低下を検出する非侵襲的ツールとして音声アシスタントシステム(VAS)について検討する。 18カ月間に35人の高齢者から音声コマンドを収集し、15人の参加者が日々の家庭内VASインタラクションを提供しました。 本研究では,(1)LLMによる言語的特徴抽出のための反復的即時改善,(2)HuBERTに基づく音響的特徴抽出,(3)変換器に基づく時間的モデリングを組み合わせたフレームワークであるCog-TiPROを提案する。 iTransformerを用いることで、MCI検出の精度は73.80%、F1スコアは72.67%、ベースラインは27.13%向上した。 LLMアプローチにより、認知低下を経験する個人において、日常的なコマンド使用パターンを特徴付ける言語的特徴を識別する。

関連論文リスト

• Dementia Insights: A Context-Based MultiModal Approach [0.3749861135832073]
  早期発見は、病気の進行を遅らせる可能性のあるタイムリーな介入に不可欠である。 テキストと音声のための大規模事前学習モデル(LPM)は、認知障害の識別において有望であることを示している。 本研究は,テキストデータと音声データを最高の性能のLPMを用いて統合する,コンテキストベースのマルチモーダル手法を提案する。
  論文  参考訳（メタデータ） (2025-03-03T06:46:26Z)
• Exploiting Longitudinal Speech Sessions via Voice Assistant Systems for Early Detection of Cognitive Decline [18.416501620311276]
  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。
  論文  参考訳（メタデータ） (2024-10-16T01:10:21Z)
• 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)
• Dr-LLaVA: Visual Instruction Tuning with Symbolic Clinical Grounding [53.629132242389716]
  VLM(Vision-Language Models)は、医用画像を分析し、自然言語の相互作用に関与することによって、臨床医を支援する。 VLMはしばしば「幻覚的」な振る舞いを示し、文脈的マルチモーダル情報に基づかないテキスト出力を生成する。 本稿では,臨床推論の象徴的表現を用いて医療知識にVLMを基盤とする新たなアライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-05-29T23:19:28Z)
• A New Benchmark of Aphasia Speech Recognition and Detection Based on E-Branchformer and Multi-task Learning [29.916793641951507]
  本稿では,最新の音声認識技術を用いた失語症音声認識のための新しいベンチマークを提案する。 CTC/Attentionアーキテクチャに基づく2つのマルチタスク学習手法を導入し、両方のタスクを同時に実行する。 当システムでは,中等度失語症患者に対して,最先端の話者レベル検出精度(97.3%)と相対的なWER低下率(1%)を達成している。
  論文  参考訳（メタデータ） (2023-05-19T15:10:36Z)
• 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)
• Automated Fidelity Assessment for Strategy Training in Inpatient Rehabilitation using Natural Language Processing [53.096237570992294]
  戦略トレーニング (Strategy Training) とは、脳卒中後の認知障害患者に障害を減らすためのスキルを教える、リハビリテーションのアプローチである。 標準化された忠実度評価は治療原則の遵守度を測定するために用いられる。 本研究では,ルールベースNLPアルゴリズム,長短項メモリ(LSTM)モデル,および変換器(BERT)モデルからの双方向エンコーダ表現を開発した。
  論文  参考訳（メタデータ） (2022-09-14T15:33:30Z)
• 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)
• 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)

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。