論文の概要: Zero-Shot Cognitive Impairment Detection from Speech Using AudioLLM

• arxiv url: http://arxiv.org/abs/2506.17351v1
• Date: Fri, 20 Jun 2025 01:28:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:36.372955
• Title: Zero-Shot Cognitive Impairment Detection from Speech Using AudioLLM
• Title（参考訳）: オーディオLLMを用いた音声からのゼロショット認知障害検出
• Authors: Mostafa Shahin, Beena Ahmed, Julien Epps,
• Abstract要約: 音声は、認知低下を評価するための非侵襲的で容易に収集可能なバイオマーカーとして注目されている。 従来の認知障害検出法は、音声から抽出された音響的特徴と言語的特徴に基づいて訓練された教師付きモデルに依存している。 音声入力とテキスト入力の両方を処理可能なモデルであるQwen2- Audio AudioLLMを用いた,最初のゼロショット音声ベースのCI検出手法を提案する。
• 参考スコア（独自算出の注目度）: 9.84961079811343
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cognitive impairment (CI) is of growing public health concern, and early detection is vital for effective intervention. Speech has gained attention as a non-invasive and easily collectible biomarker for assessing cognitive decline. Traditional CI detection methods typically rely on supervised models trained on acoustic and linguistic features extracted from speech, which often require manual annotation and may not generalise well across datasets and languages. In this work, we propose the first zero-shot speech-based CI detection method using the Qwen2- Audio AudioLLM, a model capable of processing both audio and text inputs. By designing prompt-based instructions, we guide the model in classifying speech samples as indicative of normal cognition or cognitive impairment. We evaluate our approach on two datasets: one in English and another multilingual, spanning different cognitive assessment tasks. Our results show that the zero-shot AudioLLM approach achieves performance comparable to supervised methods and exhibits promising generalizability and consistency across languages, tasks, and datasets.
• Abstract（参考訳）: 認知障害(CI)は公衆衛生上の懸念が高まり、早期発見は効果的な介入に不可欠である。 音声は、認知低下を評価するための非侵襲的で容易に収集可能なバイオマーカーとして注目されている。 従来のCI検出手法は、通常、音声から抽出された音響的特徴と言語的特徴に基づいて訓練された教師付きモデルに依存しており、手動のアノテーションを必要とすることが多く、データセットや言語間ではうまく一般化できない。 そこで本研究では,Qwen2-Audio AudioLLMを用いたゼロショット音声によるCI検出手法を提案する。 提案手法は,音声サンプルを通常の認知障害や認知障害の指標として分類する手法である。 我々は2つのデータセットに対するアプローチを評価する。1つは英語で、もう1つは多言語で、異なる認知アセスメントタスクにまたがる。 その結果、ゼロショットのAudioLLMアプローチは教師付き手法に匹敵する性能を達成し、言語、タスク、データセット間で有望な一般化性と一貫性を示すことがわかった。

関連論文リスト

• Incorporating Linguistic Constraints from External Knowledge Source for Audio-Visual Target Speech Extraction [87.49303116989708]
  AV-TSEの補助的知識源として,事前学習言語モデル (PSLM) と事前学習言語モデル (PLM) の可能性を検討する。 本研究では, AV-TSE モデルに対するPSLM や PLM からの言語制約を追加の監視信号として活用することを提案する。 推論中に余分な計算コストがなければ、提案手法は音声品質と知能性を一貫して改善する。
  論文  参考訳（メタデータ） (2025-06-11T14:36:26Z)
• 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)
• Where are we in audio deepfake detection? A systematic analysis over generative and detection models [59.09338266364506]
  SONARはAI-Audio Detection FrameworkとBenchmarkの合成である。 最先端のAI合成聴覚コンテンツを識別するための総合的な評価を提供する。 従来のモデルベース検出システムと基礎モデルベース検出システムの両方で、AIオーディオ検出を均一にベンチマークする最初のフレームワークである。
  論文  参考訳（メタデータ） (2024-10-06T01:03:42Z)
• 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)
• 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)
• Multilingual Alzheimer's Dementia Recognition through Spontaneous Speech: a Signal Processing Grand Challenge [18.684024762601215]
  この信号処理グランドチャレンジ(SPGC)は、社会的・医療的関連性の難しい自動予測問題をターゲットにしている。 チャレンジは、ある言語(英語)における音声に基づいて構築された予測モデルが、他の言語(ギリシャ語)に一般化する程度を評価するように設計されている。
  論文  参考訳（メタデータ） (2023-01-13T14:09:13Z)
• Zero-Shot Cross-lingual Aphasia Detection using Automatic Speech Recognition [3.2631198264090746]
  失語症(英: Aphasia)は、一般的には脳損傷や脳卒中によって引き起こされる言語障害であり、世界中の何百万人もの人々に影響を及ぼす。 本稿では,言語間音声表現を共用する事前学習型自動音声認識(ASR)モデルを用いたエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2022-04-01T14:05:02Z)
• Leveraging Pre-trained Language Model for Speech Sentiment Analysis [58.78839114092951]
  本研究では、事前学習された言語モデルを用いて、文章の感情情報を学習し、音声の感情分析を行う。 本稿では,言語モデルを用いた擬似ラベルに基づく半教師付き訓練戦略を提案する。
  論文  参考訳（メタデータ） (2021-06-11T20:15:21Z)
• Probing Task-Oriented Dialogue Representation from Language Models [106.02947285212132]
  本稿では,タスク指向対話タスクにおいて,どのモデルが本質的に最も有意義な表現を担っているかを明らかにするために,事前学習された言語モデルについて検討する。 我々は、アノテートラベルを教師付き方法で固定された事前学習言語モデルの上に、分類器プローブとしてフィードフォワード層を微調整する。
  論文  参考訳（メタデータ） (2020-10-26T21:34:39Z)

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。