論文の概要: A Hierarchical Feature Engineering Framework for Automated Classification of Phonotraumatic and Non-Phonotraumatic Vocal Hyperfunction

• arxiv url: http://arxiv.org/abs/2606.07673v1
• Date: Thu, 04 Jun 2026 17:39:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.263247
• Title: A Hierarchical Feature Engineering Framework for Automated Classification of Phonotraumatic and Non-Phonotraumatic Vocal Hyperfunction
• Title（参考訳）: 音韻的・非音韻的音声高機能の自動分類のための階層的特徴工学フレームワーク
• Authors: June-Woo Kim, Kangwook Jang, Minu Kim, Hyunju Lee,
• Abstract要約: 本研究では,NickVibe Challengeデータセットを用いて音声トラウマティクス(PVH)と非音声トラウマティクス(NPVH)を健康的なコントロールと区別する。 i) 静的, (ii) 動的, (iii) 比ベース, (iv) カップリング機能からなる階層的特徴工学フレームワークを提案する。 PVH の 0.891 と NPVH の 0.728 の AUC を達成し、PVH がほぼ線形分離可能である一方で、NPVH の識別は非線形特徴相互作用のモデル化の恩恵を受けることを示唆した。
• 参考スコア（独自算出の注目度）: 11.044035463754312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ambulatory neck-surface acceleration enables non-invasive monitoring of vocal hyperfunction, yet robust biomarkers for its subtypes remain limited. This study investigates the NeckVibe Challenge dataset to distinguish phonotraumatic (PVH) and non-phonotraumatic (NPVH) from healthy controls. We propose a hierarchical feature engineering framework comprising: (i) static, (ii) dynamic, (iii) ratio-based, (iv) coupling features capturing source filter interactions. While univariate statistical analysis shows strong separability for PVH but limited significance for NPVH, our machine learning pipeline, tailored for high-dimensional feature integration, identifies that coupling features are crucial for both tasks. We achieve an AUC of 0.891 for PVH and 0.728 for NPVH, suggesting that while PVH is near-linearly separable, NPVH discrimination benefits from modeling non-linear feature interactions.
• Abstract（参考訳）: 炎症性頸部表面加速度は、声帯過機能(英語版)の非侵襲的なモニタリングを可能にするが、そのサブタイプに対する頑健なバイオマーカーは限定的である。 本研究では,NickVibe Challengeデータセットを用いて音声トラウマティクス(PVH)と非音声トラウマティクス(NPVH)を健康的なコントロールと区別する。 階層的特徴工学フレームワークを提案する。 (i) static, (II) 動的, 動的 (三)比式 (4) ソースフィルタの相互作用をキャプチャする結合機能。 単変量統計分析は、PVHに対して強い分離性を示すが、PVHには限定的な重要性を示すが、我々の機械学習パイプラインは、高次元の機能統合に適したもので、両方のタスクに結合機能が不可欠であることを認識している。 PVH の 0.891 と NPVH の 0.728 の AUC を達成し、PVH がほぼ線形分離可能である一方で、NPVH の識別は非線形特徴相互作用のモデル化の恩恵を受けることを示唆した。

関連論文リスト

• V-Co: A Closer Look at Visual Representation Alignment via Co-Denoising [65.5867130156805]
  統合JTフレームワークにおける視覚的コデノゲーションの体系的研究であるV-Coについて述べる。 本研究は,視覚的コデノジングを効果的に行うための4つの重要な要素を明らかにする。 V-Coは、基礎となる画素空間拡散ベースラインと強い前の画素拡散法より優れている。
  論文  参考訳（メタデータ） (2026-03-17T17:01:54Z)
• AVP-Pro: An Adaptive Multi-Modal Fusion and Contrastive Learning Approach for Comprehensive Two-Stage Antiviral Peptide Identification [2.4024110343564145]
  AVP-Proは、適応的な特徴融合と対照的な学習を統合する、新しい2段階の予測フレームワークである。 一般的なAVP識別の第1段階では、このモデルは精度0.9531、MCC0.9064を達成し、既存の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2026-01-16T06:48:36Z)
• A Hybrid Deep Learning Model for Robust Biometric Authentication from Low-Frame-Rate PPG Signals [0.34376560669160394]
  光による皮膚の血流量の変化を計測する光胸腺造影(進化)信号は、最近生体認証において注目を集めている。 光胸腺信号の品質は、運動アーティファクト、照明の変化、および物体間の生理的変動によって挑戦される。 本研究では,低フレームレート指先ビデオから抽出したPSG信号に基づいて,軽量で費用対効果の高い生体認証フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-06T04:16:13Z)
• Enhancing ECG Classification Robustness with Lightweight Unsupervised Anomaly Detection Filters [39.9470953186283]
  ウェアラブルを用いた連続心電図(ECG)モニタリングは、早期心血管疾患(CVD)検出に有意な可能性を秘めている。 リソース制約のある環境での自動分析のためのディープラーニングモデルをデプロイすることは、アウト・オブ・ディストリビューション(Out-of-Distribution)データによる信頼性上の課題に直面します。 本稿では,非教師付き異常検出(UAD)を,ロバスト性向上のための独立な上流フィルタリング機構として検討する。
  論文  参考訳（メタデータ） (2025-10-30T13:54:37Z)
• Hybrid-View Attention Network for Clinically Significant Prostate Cancer Classification in Transrectal Ultrasound [4.662744612095781]
  3次元TRUSにおけるcsPCa分類のための新しいハイブリットビューアテンションネットワークを提案する。 提案手法は,CNN-transformerハイブリッドアーキテクチャを統合し,畳み込み層がきめ細かい局所的特徴を抽出する。 前立腺生検を施行した590名の被験者を対象とした社内データセットを用いて実験を行った。
  論文  参考訳（メタデータ） (2025-07-04T09:27:48Z)
• Efficient Lung Ultrasound Severity Scoring Using Dedicated Feature Extractor [12.280417624228544]
  MeDiVLADは多レベル肺超音波検査のための新しいパイプラインである。 我々は、自己知識蒸留を利用して、ラベルや集合フレームレベルの特徴を伴わずに視覚変換器(ViT)を事前訓練する。 最小限の微調整により、MeDiVLADはフレームレベルおよびビデオレベルのスコアリングにおいて従来の完全教師付き手法よりも優れることを示す。
  論文  参考訳（メタデータ） (2025-01-21T22:28:22Z)
• PNeRV: Enhancing Spatial Consistency via Pyramidal Neural Representation for Videos [40.94458611212317]
  動画用ピラミッド型ニューラル表現(PNeRV)について紹介する。 マルチスケール情報接続上に構築されており、軽量な再スケーリング演算子、Kronecker Fully- connected layer (KFc)、Selective Memory (BSM) 機構を備えている。 PNeRVはPSNRが+4.49dB、UVGが231%増加し、DAVISが+3.28dB、FVDが634%増加した。
  論文  参考訳（メタデータ） (2024-04-13T07:50:17Z)
• A Conditional Flow Variational Autoencoder for Controllable Synthesis of Virtual Populations of Anatomy [76.20367415712867]
  本稿では,正規化フローを用いた条件付き変分オートエンコーダ(cVAE)を提案する。 2360例の心左心室データを用いた条件流VAEの性能について検討した。
  論文  参考訳（メタデータ） (2023-06-26T13:23:52Z)
• Multi-Task Neural Networks with Spatial Activation for Retinal Vessel Segmentation and Artery/Vein Classification [49.64863177155927]
  本稿では,網膜血管,動脈,静脈を同時に分割する空間活性化機構を備えたマルチタスクディープニューラルネットワークを提案する。 提案するネットワークは,容器分割における画素ワイド精度95.70%,A/V分類精度94.50%を実現している。
  論文  参考訳（メタデータ） (2020-07-18T05:46:47Z)

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。