論文の概要: DSSCNet: A Transfer Learning Framework for Cross-Corpus Dysarthric Speech Severity Classification

• arxiv url: http://arxiv.org/abs/2606.22178v1
• Date: Sat, 20 Jun 2026 18:19:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 22:17:41.022132
• Title: DSSCNet: A Transfer Learning Framework for Cross-Corpus Dysarthric Speech Severity Classification
• Title（参考訳）: DSSCNet: クロスコーパス型難聴度分類のための伝達学習フレームワーク
• Authors: Arnab Kumar Roy, Hemant Kumar Kathania, Paban Sapkota, Sudarsana Reddy Kadiri, Shrikanth Narayanan,
• Abstract要約: 本研究では,トランスファーラーニングとマルチコーパスラーニングを利用して話者非依存の分類を強化する深層学習モデルDSSCNetを紹介する。 実験結果から,DSSCNetは話者非依存重大度分類の最先端モデルより優れていることが示された。
• 参考スコア（独自算出の注目度）: 40.76630000128078
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Dysarthric speech severity classification is challenging due to speaker variability, class imbalance, and limited datasets. This study introduces DSSCNet, a deep learning model that employs transfer learning and multi-corpus learning to enhance speaker-independent classification. By pre-training on one dysarthric speech corpus and fine-tuning on another, DSSCNet achieves improved feature extraction and cross-corpus generalization. Experimental results demonstrate that DSSCNet outperforms state-of-the-art models for speaker-independent severity classification, achieving 75.80\% accuracy on TORGO and 68.25\% on UA-Speech, significantly reducing misclassification errors. The findings confirm that leveraging knowledge transfer between datasets improves model robustness, making DSSCNet well-suited for automated dysarthria assessment. This research contributes to the development of more effective assistive speech technologies for individuals with speech impairments.
• Abstract（参考訳）: 難解な音声の重大度分類は、話者の可変性、クラス不均衡、限られたデータセットのために困難である。 本研究では,トランスファーラーニングとマルチコーパスラーニングを利用して話者非依存の分類を強化する深層学習モデルDSSCNetを紹介する。 1つの変形性音声コーパスを事前学習し、もう1つの微調整を行うことで、DSSCNetは改善された特徴抽出とクロスコーパスの一般化を実現する。 実験の結果、DSSCNetは話者非依存度分類の最先端モデルよりも優れており、TORGOでは75.80\%、UA-Speechでは68.25\%、誤分類誤りを著しく低減していることがわかった。 その結果,データセット間の知識伝達を活用することでモデルの堅牢性が向上し,DSSCNetが自動変形評価に適していることが確認された。 本研究は, 音声障害を有する個人に対して, より効果的な音声支援技術の開発に寄与する。

関連論文リスト

• Cross-Dataset, Age, and Gender Generalization: A Comprehensive Analysis of Fine-Tuning Strategies for Low-Resource Children's ASR [48.10903631277461]
  本稿では,異なる音響モデルに適した音響特性の組み合わせについて,包括的に検討する。 Pitchの組み込みは、特に文認識タスクにおいて、認識性能が顕著に向上している。 我々は,現在最先端の因子化時間遅延ニューラルネットワーク(F-TDNN)モデルの性能向上の可能性を示した。
  論文  参考訳（メタデータ） (2026-06-18T04:56:00Z)
• Something from Nothing: Data Augmentation for Robust Severity Level Estimation of Dysarthric Speech [69.86604856129883]
  外科的音声品質評価(DSQA)は臨床診断と包括的音声技術において重要である。 本研究では,未ラベルの変形音声と大規模典型的な音声データセットを併用した3段階のフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-16T23:00:07Z)
• Speaker-Independent Dysarthria Severity Classification using Self-Supervised Transformers and Multi-Task Learning [2.7706924578324665]
  本研究では, 生音声データから難聴度を自動的に評価するトランスフォーマーに基づく枠組みを提案する。 話者非依存型遅発性重度分類のための多タスク学習目標とコントラスト学習を組み込んだ,話者非依存型遅発性正規化(SALR)と呼ばれるフレームワークを開発した。 我々のモデルは従来の機械学習手法よりも優れた性能を示し、精度は70.48%$、F1スコアは59.23%$である。
  論文  参考訳（メタデータ） (2024-02-29T18:30:52Z)
• A Few-Shot Approach to Dysarthric Speech Intelligibility Level Classification Using Transformers [0.0]
  発声障害(Dysarthria)は、言葉の発音が難しいことによるコミュニケーションを妨げる言語障害である。 文献の多くは、変形性音声に対するASRシステムの改善に焦点を当てている。 この研究は、変形の有無を正確に分類できるモデルを開発することを目的としている。
  論文  参考訳（メタデータ） (2023-09-17T17:23:41Z)
• Automatic Severity Classification of Dysarthric speech by using Self-supervised Model with Multi-task Learning [4.947423926765435]
  マルチタスク学習と連動した自己教師付きモデルを用いて,変形性音声の自動重大度評価手法を提案する。 Wav2vec 2.0 XLS-Rは重度分類と補助的自動音声認識(ASR)の2つのタスクで訓練される 本モデルでは,F1スコアの相対値が1.25%増加し,従来のベースライン法よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-27T12:48:10Z)
• On-the-Fly Feature Based Rapid Speaker Adaptation for Dysarthric and Elderly Speech Recognition [53.17176024917725]
  話者レベルのデータの共有化は、データ集約型モデルに基づく話者適応手法の実用的利用を制限する。 本稿では,2種類のデータ効率,特徴量に基づくオンザフライ話者適応手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T09:12:24Z)
• 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)

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。