論文の概要: Beyond surface form: A pipeline for semantic analysis in Alzheimer's Disease detection from spontaneous speech

• arxiv url: http://arxiv.org/abs/2512.13685v1
• Date: Mon, 15 Dec 2025 18:59:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-16 17:54:56.83209
• Title: Beyond surface form: A pipeline for semantic analysis in Alzheimer's Disease detection from spontaneous speech
• Title（参考訳）: 表面形態を超えて:自然発話からのアルツハイマー病検出における意味解析のためのパイプライン
• Authors: Dylan Phelps, Rodrigo Wilkens, Edward Gow-Smith, Lilian Hubner, Bárbara Malcorra, César Rennó-Costa, Marco Idiart, Maria-Cruz Villa-Uriol, Aline Villavicencio,
• Abstract要約: アルツハイマー病(英語: Alzheimer's Disease、AD)は、認知能力に悪影響を及ぼす進行性神経変性疾患である。 言語モデルはADのスクリーニングツールの基盤として有望であるが、その限定的な解釈可能性には課題がある。 そこで本研究では,意味内容の保存中に構文や語彙を変更することによって,テキストの表面形状を変換する手法を提案する。
• 参考スコア（独自算出の注目度）: 4.447462467582385
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Alzheimer's Disease (AD) is a progressive neurodegenerative condition that adversely affects cognitive abilities. Language-related changes can be automatically identified through the analysis of outputs from linguistic assessment tasks, such as picture description. Language models show promise as a basis for screening tools for AD, but their limited interpretability poses a challenge in distinguishing true linguistic markers of cognitive decline from surface-level textual patterns. To address this issue, we examine how surface form variation affects classification performance, with the goal of assessing the ability of language models to represent underlying semantic indicators. We introduce a novel approach where texts surface forms are transformed by altering syntax and vocabulary while preserving semantic content. The transformations significantly modify the structure and lexical content, as indicated by low BLEU and chrF scores, yet retain the underlying semantics, as reflected in high semantic similarity scores, isolating the effect of semantic information, and finding models perform similarly to if they were using the original text, with only small deviations in macro-F1. We also investigate whether language from picture descriptions retains enough detail to reconstruct the original image using generative models. We found that image-based transformations add substantial noise reducing classification accuracy. Our methodology provides a novel way of looking at what features influence model predictions, and allows the removal of possible spurious correlations. We find that just using semantic information, language model based classifiers can still detect AD. This work shows that difficult to detect semantic impairment can be identified, addressing an overlooked feature of linguistic deterioration, and opening new pathways for early detection systems.
• Abstract（参考訳）: アルツハイマー病(英語: Alzheimer's Disease、AD)は、認知能力に悪影響を及ぼす進行性神経変性疾患である。 言語関連の変化は、画像記述などの言語アセスメントタスクからのアウトプットの分析を通じて、自動的に識別することができる。 言語モデルはADのスクリーニングツールの基盤として有望であるが、その限定的な解釈性は、認識の減少の真の言語マーカーを表面レベルのテクスチャパターンと区別する上での課題である。 この問題に対処するために,曲面形状の変化が分類性能に与える影響について検討し,基礎となる意味指標を表現するための言語モデルの能力を評価することを目的とする。 そこで本研究では,意味的コンテンツを保存しながら構文や語彙を変更することによって,テキストの表面形状を変換する新しいアプローチを提案する。 これらの変換は、低BLEUとchrFスコアで示されるように、構造と語彙の内容を著しく変更するが、意味的類似度スコアに反映されるような基本的な意味を保ち、セマンティック情報の効果を分離し、モデルが元のテキストを使用している場合と同様に、マクロF1に小さな偏差しか持たない。 また、画像記述からの言語が、生成モデルを用いて原画像の再構成に十分な詳細を保持できるかどうかについても検討する。 画像に基づく変換は,分類精度を大幅に低下させることがわかった。 提案手法は,モデル予測にどのような特徴が影響するかを新たに把握し,素早い相関関係の除去を可能にする。 意味情報を利用するだけで、言語モデルに基づく分類器は依然としてADを検出することができる。 本研究は, 意味障害の特定が困難であること, 言語劣化の見過ごされた特徴に対処し, 早期発見システムのための新たな経路を開くこと, を示唆する。

関連論文リスト

• Hallucination Benchmark for Speech Foundation Models [33.92968426403491]
  自動音声認識(ASR)システムにおける幻覚とは、基礎となる音響入力(すなわち、音声信号)とは全く無関係な神経性ASRモデルによって生成される流動的でコヒーレントな転写を指す。 この明らかな一貫性は、その後の処理段階を誤解させ、特に医療や法のような重要な領域において重大なリスクをもたらす可能性がある。 本稿では,ASRにおける幻覚現象を,語彙,音声,形態,意味の4つの相補軸に沿って体系的に分類し,定量化する最初のベンチマークフレームワークであるSHALLOWを紹介する。
  論文  参考訳（メタデータ） (2025-10-18T16:26:16Z)
• Semantic Visual Anomaly Detection and Reasoning in AI-Generated Images [96.43608872116347]
  AnomReasonは4倍のtextbfAnomAgentのような構造化アノテーションを備えた大規模ベンチマーク AnomReasonとAnomAgentは、AI生成画像の意味的妥当性の測定と改善の基盤となっている。
  論文  参考訳（メタデータ） (2025-10-11T14:09:24Z)
• Linguistic and Audio Embedding-Based Machine Learning for Alzheimer's Dementia and Mild Cognitive Impairment Detection: Insights from the PROCESS Challenge [0.0]
  音声は、音響的次元と言語的次元の両方を包含し、認知の低下に対して有望な非侵襲的バイオマーカーを提供する。 本稿では,自然発声音声からの音声埋め込みと言語的特徴を両立させるプロシージャチャレンジのための機械学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:54:55Z)
• Devising a Set of Compact and Explainable Spoken Language Feature for Screening Alzheimer's Disease [52.46922921214341]
  アルツハイマー病(AD)は高齢化社会において最も重要な健康問題の一つとなっている。 我々は,大言語モデル(LLM)とTF-IDFモデルの視覚的機能を活用する,説明可能な効果的な機能セットを考案した。 当社の新機能は、自動ADスクリーニングの解釈可能性を高めるステップバイステップで説明し、解釈することができる。
  論文  参考訳（メタデータ） (2024-11-28T05:23:22Z)
• Profiling Patient Transcript Using Large Language Model Reasoning Augmentation for Alzheimer's Disease Detection [4.961581278723015]
  アルツハイマー病(AD)は認知症の主要な原因であり、徐々に音声や言語能力の低下が特徴である。 近年の深層学習は自発音声によるAD自動検出を容易にする。 各発話中のテキストパターンを,患者の言語的特徴をグローバルに把握せずに直接モデル化する。
  論文  参考訳（メタデータ） (2024-09-19T07:58:07Z)
• 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)
• Semantic Coherence Markers for the Early Diagnosis of the Alzheimer Disease [0.0]
  パープレキシティはもともと、与えられた言語モデルがテキストシーケンスを予測するのにどの程度適しているかを評価するための情報理論の尺度として考え出された。 我々は2グラムから5グラムまでのN-gramとトランスフォーマーベース言語モデルであるGPT-2を多種多様な言語モデルに適用した。 ベストパフォーマンスモデルでは、ADクラスと制御対象の両方から対象を分類する際に、完全精度とFスコア(精度/特異度とリコール/感度のそれぞれ1.00)を達成した。
  論文  参考訳（メタデータ） (2023-02-02T11:40:16Z)
• A Latent-Variable Model for Intrinsic Probing [93.62808331764072]
  固有プローブ構築のための新しい潜在変数定式化を提案する。 我々は、事前訓練された表現が言語間交互に絡み合ったモルフォシンタクスの概念を発達させる経験的証拠を見出した。
  論文  参考訳（メタデータ） (2022-01-20T15:01:12Z)

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。