論文の概要: SAND: The Challenge on Speech Analysis for Neurodegenerative Disease Assessment

• arxiv url: http://arxiv.org/abs/2604.16445v1
• Date: Tue, 07 Apr 2026 13:24:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-04 02:32:14.006792
• Title: SAND: The Challenge on Speech Analysis for Neurodegenerative Disease Assessment
• Title（参考訳）: SAND:神経変性疾患評価のための音声分析の課題
• Abstract要約: 臨床医と機械学習の専門家による多部門共同研究の結果を報告する。 SAND(Speech Analysis for Neurodegenerative Diseases)課題は、ALS疾患の早期発見と予測のためのAIモデルを開発、テスト、評価する機会を提供する。
• 参考スコア（独自算出の注目度）: 0.5388526397341782
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in Artificial Intelligence (AI) and the exploration of noninvasive, objective biomarkers, such as speech signals, have encouraged the development of algorithms to support the early diagnosis of neurodegenerative diseases, including Amyotrophic Lateral Sclerosis (ALS). Voice changes in subjects suffering from ALS typically manifest as progressive dysarthria, which is a prominent neurodegenerative symptom because it affects patients as the disease progresses. Since voice signals are complex data, the development and use of advanced AI techniques are fundamental to extracting distinctive patterns from them. Validating AI algorithms for ALS diagnosis and monitoring using voice signals is challenging, particularly due to the lack of annotated reference datasets. In this work, we present the outcome of a collaboration between a multidisciplinary team of clinicians and Machine Learning experts to create both a clinically annotated validation dataset and the "Speech Analysis for Neurodegenerative Diseases" (SAND) challenge based on it. Specifically, by analyzing voice disorders, the SAND challenge provides an opportunity to develop, test, and evaluate AI models for the automatic early identification and prediction of ALS disease progression.
• Abstract（参考訳）: 人工知能(AI)の最近の進歩と、音声信号などの非侵襲的で客観的なバイオマーカーの探索は、筋萎縮性側索硬化症(ALS)などの神経変性疾患の早期診断を支援するアルゴリズムの開発を奨励している。 ALS患者の音声変化は、一般的に進行性変形症として現れ、疾患が進行するにつれて患者に影響を与えるため、顕著な神経変性症状である。 音声信号は複雑なデータであるため、高度なAI技術の開発と利用は、それらから独特のパターンを抽出するための基本となる。 音声信号を用いたALS診断と監視のためのAIアルゴリズムの検証は、特に注釈付き参照データセットが欠如しているため、難しい。 本研究は,臨床医と機械学習の専門家による複数学際チームによる共同研究の結果を提示し,臨床注釈付きバリデーションデータセットと,それに基づく「神経変性疾患の音声解析(SAND)」課題を作成する。 具体的には、音声障害を分析して、SANDチャレンジはALS疾患の進行の早期発見と予測のためのAIモデルを開発、テスト、評価する機会を提供する。

関連論文リスト

• A Multi-Dimensional Clustering Approach for Identifying Inborn Errors of Immunity [40.41295591212923]
  新生児免疫不全(IEI)のような希少な疾患は、臓器の損傷を予防し、生活の質を向上させるために早期診断を必要とする。 IEIにおけるパターン認識のための機械学習(ML)アルゴリズムの開発は限られている。 本研究は,IEIの特徴認識を洗練させ,まれな疾患集団分析のためのデータツールキットを開発し,教師なしMLで解釈可能なデータ構造における複雑な医療記録の変換を拡大する。
  論文  参考訳（メタデータ） (2026-05-16T03:29:36Z)
• R-GenIMA: Integrating Neuroimaging and Genetics with Interpretable Multimodal AI for Alzheimer's Disease Progression [63.97617759805451]
  アルツハイマー病の早期発見には、マクロスケールの神経解剖学的変化とマイクロスケールの遺伝的感受性を統合できるモデルが必要である。 本稿では,新しいROIワイド・ビジョン・トランスフォーマと遺伝的プロンプトを結合した多モード多言語モデルR-GenIMAを紹介する。 R-GenIMAは、通常の認知、主観記憶、軽度認知障害、ADの4方向分類において最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-12-22T02:54:10Z)
• A Semantically Enhanced Generative Foundation Model Improves Pathological Image Synthesis [82.01597026329158]
  本稿では,組織合成のための相関調整フレームワーク(CRAFTS)について紹介する。 CRAFTSは、生物学的精度を確保するためにセマンティックドリフトを抑制する新しいアライメント機構を組み込んでいる。 本モデルは,30種類の癌にまたがる多彩な病理像を生成する。
  論文  参考訳（メタデータ） (2025-12-15T10:22:43Z)
• Deep Learning for Early Alzheimer Disease Detection with MRI Scans [1.9806397201363817]
  アルツハイマー病は、患者のMRIスキャンと神経心理学的検査の詳細な評価によって診断を必要とする。 本研究は,AD診断の精度と効率を向上させるために,既存のディープラーニングモデルと比較する。 感度,特異性,計算効率を考慮した厳密な評価を行い,各モデルの強みと弱みを判定する。
  論文  参考訳（メタデータ） (2025-01-17T07:30:16Z)
• Explainable Artificial Intelligence for Medical Applications: A Review [42.33274794442013]
  本稿では、説明可能な人工知能(XAI)に関する最近の研究をレビューする。 視覚、オーディオ、マルチモーダルの観点からの医療実践に焦点を当てている。 我々は、将来の研究者や医療専門家に支援とガイダンスを提供することを目的として、これらのプラクティスを分類し、合成することに努めます。
  論文  参考訳（メタデータ） (2024-11-15T11:31:06Z)
• Artificial intelligence techniques in inherited retinal diseases: A review [19.107474958408847]
  遺伝性網膜疾患(英: InheritedRetinal disease、IRD)は、進行性視力低下を引き起こす多様な遺伝性疾患群であり、労働年齢層の視覚障害の主要な原因である。 人工知能(AI)の最近の進歩は、これらの課題に対する有望な解決策を提供する。 このレビューは既存の研究を統合し、ギャップを特定し、IRDの診断と管理におけるAIの可能性の概要を提供する。
  論文  参考訳（メタデータ） (2024-10-10T03:14:51Z)
• The Role of Explainable AI in Revolutionizing Human Health Monitoring: A Review [0.0]
  Reviewは、医療における機械学習(ML)モデルの解釈可能性問題に対処する上で、説明可能なAI(XAI)の役割を強調することを目的としている。 複数のデータベースにまたがって総合的な文献検索を行い、医療にXAI技術を適用した研究を同定した。
  論文  参考訳（メタデータ） (2024-09-11T15:31:40Z)
• TE-SSL: Time and Event-aware Self Supervised Learning for Alzheimer's Disease Progression Analysis [6.6584447062231895]
  アルツハイマー認知症(Alzheimer's Dementia、AD)は、神経変性疾患の分野で最も急激な課題の一つである。 近年の深層学習の進歩と、自己教師付き学習(SSL)を含む様々な表現学習戦略は、医用画像解析の強化に大きく貢献している。 本稿では,タイム・アンド・イブ・アウェア・SSL(TE-SSL)という新たなフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-07-09T13:41:32Z)
• A Survey of Artificial Intelligence in Gait-Based Neurodegenerative Disease Diagnosis [51.07114445705692]
  神経変性疾患(神経変性疾患、ND)は、伝統的に医学的診断とモニタリングのために広範囲の医療資源と人的努力を必要とする。 重要な疾患関連運動症状として、ヒトの歩行を利用して異なるNDを特徴づけることができる。 人工知能(AI)モデルの現在の進歩は、NDの識別と分類のための自動歩行分析を可能にする。
  論文  参考訳（メタデータ） (2024-05-21T06:44:40Z)
• DRAC: Diabetic Retinopathy Analysis Challenge with Ultra-Wide Optical Coherence Tomography Angiography Images [51.27125547308154]
  第25回医用画像コンピューティング・コンピュータ支援介入国際会議(MICCAI 2022)にともなうDRAC糖尿病網膜症解析チャレンジの企画を行った。 この課題は、DR病変の分節化、画像品質評価、DRグレーディングの3つのタスクから構成される。 本稿では,課題の各課題について,トップパフォーマンスのソリューションと結果の要約と分析を行う。
  論文  参考訳（メタデータ） (2023-04-05T12:04:55Z)
• Explainable and Scalable Machine-Learning Algorithms for Detection of Autism Spectrum Disorder using fMRI Data [0.2578242050187029]
  提案した深層学習モデル ASD-DiagNet は神経型スキャンから ASD の脳スキャンの分類に一貫した精度を示す。 我々の手法はAuto-ASD-Networkと呼ばれ、ディープラーニングとサポートベクトルマシン(SVM)を組み合わせて、ニューロタイプスキャンからASDスキャンを分類する。
  論文  参考訳（メタデータ） (2020-03-02T18:20:44Z)

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。