論文の概要: Automatic Detection of Stress from Speech in the Trier Social Stress Test
- arxiv url: http://arxiv.org/abs/2607.00986v1
- Date: Wed, 01 Jul 2026 14:21:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-02 19:56:07.932624
- Title: Automatic Detection of Stress from Speech in the Trier Social Stress Test
- Title（参考訳）: トリアル社会的ストレステストにおける音声からのストレスの自動検出
- Abstract要約: 本研究では,ストレスのある状況と非ストレスな状況と,生理的・情動的なストレス反応の予測について検討した。
話者ダイアリゼーションと機械学習モデルを含む処理パイプラインにより、平均ベースラインを超えるストレス検出性能を実現した。
- 参考スコア（独自算出の注目度）: 12.593761734231883
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automatically detecting stress in speech provides an unobtrusive way to gain insights relevant to behavioral research or clinical assessment. This study investigates the automatic differentiation between a stressful and non-stressful situation, and the prediction of physiological and affective stress responses. Speech data was collected from 50 participants who either completed the Trier Social Stress Test (TSST) or a non-stressful control condition. With a processing pipeline that included speaker diarization and machine learning models, we achieved stress detection performance significantly above a mean baseline. Moreover, relevant physiological and affective stress responses were partially predictable from acoustic-prosodic features. Feature-importance analyses identified the most informative predictors contributing to model performance. The findings demonstrate that speech can serve as a meaningful and unobtrusive indicator of multiple dimensions of the human stress response.
- Abstract（参考訳）: 音声中のストレスを自動的に検出することは、行動研究や臨床評価に関連する洞察を得るための邪魔にならない方法を提供する。
本研究では,ストレスのある状況と非ストレスな状況と,生理的・情動的なストレス反応の予測について検討した。
音声データは、Trier Social Stress Test (TSST)を完了した50人の被験者から収集された。
話者ダイアリゼーションと機械学習モデルを含む処理パイプラインにより、平均ベースラインを超えるストレス検出性能を実現した。
さらに,聴覚・韻律的特徴から,関連する生理的および情緒的ストレス応答が部分的に予測可能であった。
特徴重要度分析により,モデル性能に寄与する最も有意義な予測因子が同定された。
以上の結果から, 音声はストレス応答の多次元の有意義かつ控えめな指標として機能することが示唆された。
関連論文リスト
- Depression Markers in Speech: An Approach based on Tract Variables Dynamics [52.72895760734978]
本研究では, トラクション変数の動的性質に基づいて, 新規なうつ病バイオマーカーを同定した。
提案するバイオマーカーは, 抑うつ話者と制御話者の識別を効果的に行う。
論文 参考訳（メタデータ） (2026-07-28T15:48:07Z) - Dynamic Stress Detection: A Study of Temporal Progression Modelling of Stress in Speech [1.3320917259299652]
我々はストレスを、歴史的感情状態の影響を受けながら、時間的に進化する現象としてモデル化する。
感情的ラベルからきめ細かな応力アノテーションを抽出する動的ラベル付け手法を提案する。
提案手法は既存のベースラインよりも, MuSE と StressID に顕著な精度向上を実現している。
論文 参考訳（メタデータ） (2025-10-02T06:30:44Z) - The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
人格特性は、人間の行動の予測因子として長い間研究されてきた。
近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
論文 参考訳（メタデータ） (2025-09-03T21:27:10Z) - Fine-Tuning Whisper for Inclusive Prosodic Stress Analysis [2.818750423530918]
本研究では,OpenAIのWhisper large-v2 ASRモデルを用いて,音声におけるフレーズ,語彙,コントラスト的ストレスを認識する。
66人のネイティブ英語話者のデータセットを用いて、ストレスパターンを一般化し、ニューロタイプとジェンダーで話者を分類するモデルの能力を評価する。
論文 参考訳（メタデータ） (2025-03-03T16:48:31Z) - Self-Explaining Hypergraph Neural Networks for Diagnosis Prediction [45.89562183034469]
既存のディープラーニング診断予測モデルと本質的な解釈性は、過去の診断や病院訪問の度に注意重みを割り当てることが多い。
我々は、パーソナライズされた簡潔で忠実な説明を提供するように設計された、自己説明型ハイパーグラフニューラルネットワークモデルSHyを紹介する。
SHyは高次疾患の相互作用を捉え、パーソナライズされた説明として異なる時間的表現型を抽出する。
論文 参考訳（メタデータ） (2025-02-15T06:33:02Z) - Computational Analysis of Stress, Depression and Engagement in Mental Health: A Survey [62.31381724639944]
ストレスと抑うつは相互に関連し、共に日々のタスクにおけるエンゲージメントに影響を与える。
この調査は、ストレス、抑うつ、エンゲージメントを分析する計算手法を同時に探求した最初のものである。
論文 参考訳（メタデータ） (2024-03-09T11:16:09Z) - Multimodal Feature Extraction and Fusion for Emotional Reaction
Intensity Estimation and Expression Classification in Videos with
Transformers [47.16005553291036]
我々は,野生(ABAW)2023における2つの影響行動分析のサブチャレンジに対して,その解決策を提示する。
表現分類チャレンジでは,分類の課題を効果的に処理する合理化アプローチを提案する。
これらの特徴を研究、分析、組み合わせることで、マルチモーダルコンテキストにおける感情予測のためのモデルの精度を大幅に向上させる。
論文 参考訳（メタデータ） (2023-03-16T09:03:17Z) - 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) - ForDigitStress: A multi-modal stress dataset employing a digital job
interview scenario [48.781127275906435]
本稿では,デジタル面接を利用してストレスを誘発するマルチモーダルストレスデータセットを提案する。
このデータセットは、オーディオ、ビデオ、生理情報を含む40人の参加者のマルチモーダルデータを提供する。
ベースラインを確立するために、5つの異なる機械学習分類器が訓練され、評価されている。
論文 参考訳（メタデータ） (2023-03-14T09:40:37Z) - Classification of Stress via Ambulatory ECG and GSR Data [0.0]
本研究は, 自己申告されたストレスアノテーションを用いた実験室で記録された生理的データを用いて, ストレスを検出するためのいくつかのアプローチを実験的に評価する。
最適応力検出法は90.77%の分類精度、91.24 F1-サブミッション、90.42感度、91.08特異性を達成する。
論文 参考訳（メタデータ） (2022-07-19T15:57:14Z) - Insights on Modelling Physiological, Appraisal, and Affective Indicators
of Stress using Audio Features [10.093374748790037]
被験者がストレスエピソードを誘発している最中に収集した音声サンプルを用いて、個人ストレス応答の自動的特徴付けの有望な結果を示した。
我々は, 音声信号が生理的バイオマーカーのモデル化に適しているかどうかについて, 新たな知見を提示する。
論文 参考訳（メタデータ） (2022-05-09T14:32:38Z) - Hybrid Handcrafted and Learnable Audio Representation for Analysis of
Speech Under Cognitive and Physical Load [17.394964035035866]
音声におけるタスク負荷検出のための5つのデータセットを提案する。
音声記録は、ボランティアのコホートに認知的ストレスまたは身体的ストレスが引き起こされたとして収集された。
このデータセットを用いて、新たな自己教師型音声表現の設計と評価を行った。
論文 参考訳（メタデータ） (2022-03-30T19:43:21Z)
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。