論文の概要: Disentangling Acoustic Cues in Alzheimer's Pathology and Perception: The Roles of Language and Gender

• arxiv url: http://arxiv.org/abs/2607.23977v1
• Date: Mon, 27 Jul 2026 04:02:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.302873
• Title: Disentangling Acoustic Cues in Alzheimer's Pathology and Perception: The Roles of Language and Gender
• Title（参考訳）: アルツハイマー病の病態と知覚 : 言語とジェンダーの役割
• Authors: Liu He, Yuanchao Li, Yin-Long Liu, Rui Feng, Yiming Wang, Jiaxin Chen, Yizhe Wang, Jiahong Yuan,
• Abstract要約: SHAPを解釈可能性と統計モデルに用い,サブグループによる特徴量の比較を行った。 マンダリンと女性話者にとって病理知覚アライメントは重要であるが、ギリシア語と男性話者には消える。 Global Explainable AI (XAI)の説明は、重要な人口分布を隠蔽することができる。
• 参考スコア（独自算出の注目度）: 39.89494981120388
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Acoustic biomarkers show promise for detecting Alzheimer's Disease (AD), yet whether the cues driving diagnostic AI align with those salient to human listeners is underexplored across languages and genders, where pathological markers and perceptual strategies differ. We train models to predict clinical AD status (pathology) and human perceptual scores across Mandarin and Greek, male and female speakers. Using SHAP for interpretability and statistical models for validation, we compare feature importance by subgroup. Results reveal a context-dependent divergence: pathological-perceptual alignment is significant for Mandarin and female speakers but disappears for Greek and male speakers, where pathology models did not exceed chance; this is a failure mode that population-specific auditing surfaces. Global Explainable AI (XAI) explanations can mask critical demographic divergences, highlighting the need for population-specific explainability auditing for equitable deployment of clinical speech AI.
• Abstract（参考訳）: 音響バイオマーカーはアルツハイマー病(AD)を検出することを約束するが、診断AIを駆動する手がかりが人間の聴取者への敬意をそそぐものと一致しているかは言語や性別で明らかにされていない。 我々は,マンダリンおよびギリシャ語,男性,女性話者を対象に,臨床AD状態(病理)と人間の知覚スコアを予測するモデルを訓練した。 SHAPを解釈可能性と統計的モデルの検証に利用し,サブグループによる特徴量の比較を行った。 病理的・知覚的アライメントはマンダリンと女性話者にとって重要であるが、ギリシャ語話者と男性話者では消失する。 グローバル説明可能なAI(Global Explainable AI, XAI)の説明は、臨床的音声AIの公平な展開のために、人口固有の説明可能性監査の必要性を強調して、重要な人口分布を隠蔽することができる。

関連論文リスト

• Gated Multi-Graph Fusion via Graph Attention Networks for Alzheimer's Disease Detection [52.36198268369384]
  自然発声はアルツハイマー病(AD)にとって重要な非侵襲的バイオマーカーである 本稿では,音声を自動音声認識(ASR)で書き起こし,セマンティック,依存性,共起グラフを構築するマルチビューGated Graph Attention Networkを提案する。
  論文  参考訳（メタデータ） (2026-06-30T06:15:59Z)
• Adapting Self-Supervised Speech Representations for Cross-lingual Dysarthria Detection in Parkinson's Disease [72.0406069194794]
  音声表現は、しばしば言語に依存した構造を符号化する。 本稿では,ソース言語による自己教師型音声表現とターゲット言語分布とを一致させる表現レベル言語シフトを提案する。 チェコ語,ドイツ語,スペイン語におけるパーキンソン病音声データセットの経口DDK記録に対するアプローチについて検討した。
  論文  参考訳（メタデータ） (2026-03-23T17:23:39Z)
• 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)
• A Data-Centric Approach to Detecting and Mitigating Demographic Bias in Pediatric Mental Health Text: A Case Study in Anxiety Detection [3.874958704454859]
  臨床テキストにおけるジェンダーベースのコンテンツ格差に対処するデータ中心型脱バイアスフレームワークを開発した。 我々のアプローチは、テキストで訓練されたAI医療モデルのバイアスを軽減する効果的な戦略を示す。
  論文  参考訳（メタデータ） (2024-12-30T20:00:22Z)
• 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)
• Demographic Bias of Expert-Level Vision-Language Foundation Models in Medical Imaging [13.141767097232796]
  自己監督型視覚言語基盤モデルは、明示的なトレーニングアノテーションに頼ることなく、幅広い病態を検出することができる。 これらのAIモデルが人間の偏見を反映または増幅しないことを保証することが不可欠である。 本研究では,5つのグローバルソースデータセットを対象とした胸部X線診断における最先端の視覚言語基盤モデルのアルゴリズム的公正性について検討した。
  論文  参考訳（メタデータ） (2024-02-22T18:59:53Z)
• 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)
• Acoustic-Linguistic Features for Modeling Neurological Task Score in Alzheimer's [1.290382979353427]
  自然言語処理と機械学習はアルツハイマー病を確実に検出するための有望な技術を提供する。 我々は,10種類の線形回帰モデルの性能を比較し,比較した。 与えられたタスクに対して,手作りの言語的特徴は音響的特徴や学習的特徴よりも重要であることがわかった。
  論文  参考訳（メタデータ） (2022-09-13T15:35:31Z)

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。